D-ADMM公司

D-ADMM:一种通信高效的可分离优化分布式算法。本文提出了一种分布式算法,称为分布式交替方向乘法器法(D-ADMM),用于求解互连节点或代理网络中的可分离优化问题。在可分优化问题中,每个节点都有一个私有的代价函数和一个私有约束集。目标是最小化所有代价函数的和,约束解在所有约束集的交集上。证明了当网络为二部或所有函数都是强凸的时,D-ADMM是收敛的,但在实际应用中,即使在这些条件不满足的情况下,D-ADMM仍然是收敛的。我们使用D-ADMM来解决信号处理和控制中的以下问题:平均一致性、压缩感知和支持向量机。我们的仿真表明,D-ADMM比最先进的算法需要更少的通信来达到给定的精度水平。低通信要求的算法很重要,例如,在传感器网络中,传感器通常由电池供电,通信是最消耗能量的操作。


zbMATH中的参考文献(引用于,1标准件)

显示第1到16个结果,共16个。
按年份排序(引用)

  1. Falsone,Alessandro;Notarnicola,Ivano;Notarstefano,Giuseppe;Prandini,Maria:跟踪分布式约束耦合优化的ADMM(2020)
  2. Todescato,Marco;Bof,Nicoletta;Cavraro,Guido;Carli,Ruggero;Schenato,Luca:有损和异步通信下基于分区的多智能体优化(2020)
  3. 卡亚,卡迈尔;厄兹托普拉克,菲根;比尔比尔,Ş。İlker;Cemgil,A.Taylan;Şimşekli,Umut;Kuru,Nurdan;Koptagel,Hazal;İztürk,M.Kaan:求解部分可分问题的并行二阶增量优化算法框架(2019年)
  4. 石崇孝;杨广红:基于边缘方法的多智能体网络分布式优化的增广拉格朗日算法(2018)
  5. Wang,Yamin;Wu,Lei;Li,Jie:多区域协调网络约束机组组合的全分布式异步方法(2018)
  6. 邓伟;赖明军;彭志敏;尹华涛:具有(o(1/k))收敛的并行多块ADMM(2017)
  7. Eckstein,Jonathan:块迭代算子分裂的简化形式和类似多块交替方向乘法器方法的异步算法(2017)
  8. Lee,Jason D.;Lin,Qihang;Ma,Tengyu;Yang,Tianbao:用替换抽样额外数据的分布式随机方差降阶方法(2017)
  9. 王东;任华玲;邵福波:多智能体网络中严格凸一致性优化问题的分布式牛顿方法(2017)
  10. 王哲明;翁崇进:具有局部和全局约束的线性离散时间系统的分布式模型预测控制(2017)
  11. Ai,Wu;Chen,Weisheng;Xie,Jin:基于随机权值前馈神经网络的分布式协作学习零梯度和算法(2016)
  12. 滕岳阳、祁寿良、肖大宇、徐立胜、李建华、康彦:箱约束最小二乘问题的一般解及其应用(2016)
  13. 加权最小二乘法(用于重建;加权最小二乘法)
  14. Boţ,Radu Ioan;Heinrich,André;Wanka,Gert:利用不同的损失函数通过监督学习进行图像分类(2014)
  15. Boţ,Radu Ioan;Csetnek,ErnöRobert;Nagy,Erika:通过原始对偶分裂技术求解单调包含系统(2013)
  16. Mota,João F.C.;Xavier,João M.F.;Aguiar,Pedro M.Q.;Püschel,Markus:D-ADMM:可分离优化的通信高效分布式算法(2013)