×
马可·托德斯卡托;尼科莱塔·波夫;吉多·卡夫拉罗;拉格罗·卡莉;卢卡·谢纳托

存在有损和异步通信时基于分区的多智能体优化。 （英语） Zbl 1430.93014号

Automatica公司 111，文章ID 108648，第11页（2020）.
摘要：我们解决了多智能体的问题基于分区例如，在机器人定位问题和智能电网区域状态估计中出现的凸优化。更具体地说，全局成本函数是仅依赖于每个代理变量及其相邻变量的局部耦合成本函数的总和。受广义梯度下降策略（即块雅可比迭代）的启发，我们提出了一种适用于可扩展分布式实现的算法，即每个代理最终通过与其邻居的局部通信仅计算其自身变量的最优值。特别地，我们为所提出算法的全局和半全局指数稳定性提供了充分的条件，即使存在有损通信和异步更新。理论分析依赖于基于时间尺度分离和离散时间系统平均理论的Lyapunov理论的新工具。最后，在存在测量异常值的智能电网多区域鲁棒状态估计背景下，在IEEE 123节点配电馈线上对该算法进行了数值测试。

引用于三文件

理学硕士：

93甲16 多代理系统
93D23型 指数稳定性
90C25型 凸面编程

关键词：

凸规划;广义梯度;分布式优化;通信故障

软件：

A锁定;D-ADMM公司;亚当
PDF格式BibTeX公司 XML格式引用
\textit{M.Todescato}等人，Automatica 111，文章ID 108648，11 p.（2020；Zbl 1430.93014）
全文： 内政部 arXiv公司

参考文献：

[1] Argaez，M。；拉米雷斯，C。；Sanchez，R.，An（\ell_1）-欠定系统和应用的算法，（模糊信息处理协会，2011年北美年会（2011），IEEE），1-6
[2] 巴罗阿，P。；Hespanha，J.，相对测量图的估计，IEEE控制系统杂志，27，4，57-74（2007）
[3] Bertsekas博士。；Tsitsiklis，J.N.，《并行和分布式计算：数值方法》（1989），普伦蒂斯·霍尔公司：普伦蒂斯霍尔公司，美国新泽西州上鞍河·Zbl 0743.65107号
[4] Bianchi，P。；Hachem，W。；Iutzeler，F.，《随机坐标下降原对偶算法及其在大规模复合优化中的应用》（2014），arXiv预印本arXiv:1407.0898
[5] Bof，N。；Carli，R。；Notarstefano，G。；Schenato，L。；Varagnolo，D.，Newton-raphson consensum under lossy communication for peer-to-peer optimization，IEEE Transactions on Automatic Control（2018），conditional accepted，arXiv预印本arXiv:170709178
[6] Bof，N.、Carli，R.和Schenato，L.（2018）离散时间系统的Lyapunov理论。arXiv预印arXiv:1809.05289。
[7] Bof，N。；托德斯卡托，M。；Carli，R。；Schenato，L.，有损传感器网络定位的稳健分布式估计，（第六届IFAC网络系统分布式估计和控制研讨会（2016年），IFAC），250-255
[8] Bolognani，S.、Carli，R.和Todescato，M.（2014）。具有较差同步测量的配电网中的状态估计。《决策与控制》，CDC，2014年IEEE第53届年会（第2579-2584页）。
[9] 博洛尼亚，S。；法维罗，S.D。；Schenato，L。；Varagnolo，D.，WSN中基于Consensus的分布式传感器校准和最小二乘参数识别，鲁棒和非线性控制国际期刊，20，2，176-193（2010）·Zbl 1290.93195号
[10] 博伊德，S。；北卡罗来纳州帕里赫。；朱，E。；佩莱托，B。；Eckstein，J.，《通过交替方向乘数法进行分布式优化和统计学习》，机器学习中的基础和趋势®，3，1，1-122（2011）·Zbl 1229.90122号
[11] Carron，A。；托德斯卡托，M。；Carli，R。；Schenato，L.，《基于异步共识的噪声相对测量估计算法》，IEEE网络系统控制事务，1，3，283-295（2014）·Zbl 1370.90064号
[12] Chang，T.-H。；洪，M。；廖，W.C。；Wang，X.，用于大规模优化的异步分布式ADMM-第i部分：算法和收敛性分析，IEEE信号处理汇刊，64，12，3118-3130（2016）·兹比尔1414.94106
[13] Dean，J.、Corrado，G.S.、Monga，R.、Chen，K.、Devin，M.和Le，Q.V.等人（2012年）。大规模分布式深网络。程序中。神经信息处理系统国际会议（pp.1223-1231）。
[14] Di Lorenzo，P。；Scutari，G.，下一步：网络内非凸优化，IEEE网络信号和信息处理汇刊，2，2，120-136（2016）
[15] Erseghe，T.，基于ADMM的分布式可扩展处理方法，IEEE Signal processing Letters，19，9，563-566（2012）
[16] Giselsson，P。；医学博士Doan。；Keviczky，T。；舒特，B.D。；Rantzer，A.，分布式模型预测控制中的加速梯度法和双重分解，Automatica，49，829-833（2013）·Zbl 1267.93046号
[17] Goldstein，T。；O’Donoghue，B。；塞泽尔，S。；Baraniuk，R.，《快速交替方向优化方法》，SIAM成像科学杂志，7，3，1588-1623（2014）·Zbl 1314.49019号
[18] 黄，Y.-F。；维尔纳，S。；黄，J。；北卡罗来纳州卡西亚普。；Gupta，V.，《电网状态估计：迎接未来电网需求带来的新挑战》，IEEE Signal Processing Magazine，29，33-43（2012）
[19] Iutzeler，F。；Bianchi，P。；Ciblat，P。；Hachem，W.，《使用随机交替方向乘数法的异步分布式优化》，（决策与控制（CDC），2013年IEEE第52届年会，2013年），IEEE，3671-3676
[20] 凯卡托斯，V。；Giannakis，G.B.，分布式鲁棒电力系统状态估计，IEEE电力系统交易，28，2，1617-1626（2013）
[21] Khalil，H.K.，非线性系统（2002），新泽西州普伦蒂斯·霍尔·Zbl 1003.34002号
[22] Kingma，D.和Ba，J.（2014）。亚当：一种随机优化方法。第三届学习表征国际会议论文集。
[23] Marelli，D.E。；Fu，M.，大型系统快速收敛的分布式加权最小二乘估计，Automatica，51，27-39（2015）·Zbl 1309.93159号
[24] 莫赫塔里，A。；凌，Q。；Ribeiro，A.，网络牛顿分布式优化方法，IEEE信号处理汇刊，65，1，146-161（2016）·Zbl 1414.90080号
[25] 莫塔，J.F。；泽维尔，J.M。；阿吉亚尔，P.M。；Puschel，M.，D-ADMM：可分离优化的通信效率分布式算法，IEEE自动控制汇刊，61，10，2718-2723（2013）·Zbl 1393.94059号
[26] 莫塔，J.F。；Xavier，J.M。；Aguiar，P.M。；Puschel，M.，《局部域的分布式优化：mpc和网络流中的应用》，IEEE自动控制汇刊，60,72004-2009（2015）·Zbl 1360.90053号
[27] 内科瓦拉，I。；内德尔库，V。；Dumitrache，I.，《网络中估算和控制的并行和分布式优化方法》，《过程控制杂志》，21，756-766（2011）
[28] Nedic，A。；Ozdaglar，A。；Parrilo，P.A.，《多智能体网络中的约束共识和优化》，IEEE自动控制事务，55，4，922-938（2010）·Zbl 1368.90143号
[29] Nedich，A。；奥尔谢夫斯基，A。；Shi，W.，在时变图上实现分布式优化的几何收敛（2016），arXiv预印本arXiv:1607.03218
[30] 诺塔尼科拉，I。；Carli，R。；Notarstefano，G.，通过异步双重分解进行分布式分区大数据优化，IEEE网络系统控制事务，1910-1919（2018），5，4·Zbl 1515.93027号
[31] Palomar，D.P。；Chiang，M.，《网络效用最大化分解方法教程》，IEEE通讯选定领域期刊，24，8，1439-1451（2006）
[32] 彭，Z。；Xu，Y。；Yan，M。；Yin，W.，ARock:异步并行坐标更新的算法框架，SIAM科学计算杂志，38，5，A2851-A2879（2016）·Zbl 1350.49041号
[33] Qu，G。；Li，N.，《利用平滑度加速分布式优化》，IEEE网络系统控制汇刊（2017）·Zbl 1515.93111号
[34] 罗西，W.S。；Frasca，P。；Fagnani，F.，相对和绝对测量的分布式估计，IEEE自动控制汇刊，62，12，6385-6391（2017）·Zbl 1390.93771号
[35] Taylor，G.、Burmeister，R.、Xu，Z.、Singh，B.、Patel，A.和Goldstein，T.（2016）。无梯度训练神经网络：一种可扩展的ADMM方法。在机器学习国际会议上（第2722-2731页）。
[36] Todescato，M.、Cavraro，G.、Carli，R.和Schenato，L.（2015）。有损通信条件下二次规划的鲁棒块雅可比算法。在IFAC关于网络系统中分布式估计和控制的第五次研讨会上（第126-131页）。
[37] 齐亚诺斯，K.I。；劳勒，S。；Rabbat，M.G.，凸优化的Push-sum分布式双重平均，（决策与控制，2012年IEEE第51届年会，2012年），IEEE，5453-5458
[38] 瓦拉尼奥洛，D。；Zanella，F。；Cenedese，A。；Pillonetto，G。；Schenato，L.，Newton-raphson consensus for distributed凸优化，IEEE Transactions on Automatic Control，61，4，994-1009（2016）·Zbl 1359.90099号
[39] Wang，J。；Elia，N.，分布式优化的控制方法，（通信、控制和计算（Allerton），2010年第48届Allerton年会，IEEE），557-561
[40] Zargham，M。；里贝罗，A。；Ozdaglar，A。；Jadbabaie，A.，《网络流量优化的加速双下降法》，IEEE自动控制事务，59，4，905-920（2013）·Zbl 1360.90056号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。