苏哈伊尔·穆罕默德·沙阿;维维克·博卡尔。 具有局部投影的分布式随机近似。 （英语） Zbl 1407.62301号 SIAM J.Optim公司。 28，第4号，3375-3401（2018）. 摘要：我们提出了一个随机近似方案的分布式版本，该方案被约束为保持在有限凸集族的交集内。这些集合的交集的投影也是以分布式方式计算的，并且使用“非线性八卦”机制将投影迭代与使用多个时间尺度的随机近似混合。 引用于2文件 MSC公司： 62L20型 随机近似 68宽15 分布式算法 90C25型 凸规划 关键词：分布式算法;随机近似;投影;差异包裹体;多时间尺度 PDF格式BibTeX公司 XML格式引用 \textit{S.M.Shah}和\textit{V.S.Borkar}，SIAM J.Optim。28，第4号，3375--3401（2018；Zbl 1407.62301） 全文： 内政部 arXiv公司 参考文献： [1] J.P.Aubin和A.Cellina，微分包含：集值映射和生存理论1984年，纽约施普林格·Zbl 0538.34007号 [2] M.Benaim、J.Hofbauer和S.Sorin，随机逼近与微分包含SIAM J.控制优化。，44（2005），第328-348页·Zbl 1087.62091号 [3] D.P.Bertsekas和J.N.Tsitsiklis，并行和分布式计算，Prentice Hall，英格兰伍德悬崖，新泽西州，1989年·Zbl 0743.65107号 [4] P.Bianchi和J.Jakubowicz，用于非凸优化的多智能体投影随机梯度算法的收敛性，IEEE传输。自动。控制，58（2013），第391-405页·Zbl 1369.90131号 [5] V.S.Borkar，具有两个时间尺度的随机逼近，系统。控制信函。，29（1997），第291-294页·兹伯利0895.62085 [6] V.S.Borkar，随机逼近：动力系统的观点，阅读文本。数学。48，印度斯坦图书局，新德里，剑桥大学出版社，剑桥，2008年·Zbl 1181.62119号 [7] V.S.Borkar和S.P.Meyn，随机逼近和强化学习收敛的O.D.E.方法SIAM J.控制优化。，38（2000），第447-469页·Zbl 0990.62071号 [8] B.Brogliato、A.Danilidis、C.Lemareíchal和V.Acary，互补系统、投影系统和微分包含之间的等价性，系统。控制信函。，55（2006），第45-51页·Zbl 1129.90358号 [9] M.G.Cojocaru和L.B.Jonker，希尔伯特空间中投影微分方程解的存在性，程序。阿默尔。数学。Soc.，132（2004），第183–193页·Zbl 1055.34118号 [10] P.Dupuis，凸集中反射扩散的大偏差分析和约束随机逼近算法《随机学》，21（1987），第63–96页·Zbl 0614.60023号 [11] P.Dupuis和A.Nagurney，动力系统与变分不等式，安，Oper。Res.，44（1993），第7–42页·Zbl 0785.93044号 [12] A.N.Iusem和A.R.De Pierro，二次目标凸规划Han方法的收敛性，数学。程序。，52（1991），第265–284页·Zbl 0744.90066号 [13] H.J.Kushner和D.S.Clark，约束和非约束系统的随机逼近方法纽约施普林格出版社，1978年·Zbl 0381.60004号 [14] S.Lee和A.Nedic，凸优化的分布式随机投影算法IEEE J.选择。顶部。信号处理。，7 (2013); 可从在线获取。 [15] A.S.Mathkar和V.S.Borkar，非线性流言蜚语SIAM J.控制优化。，54（2016），第1535–1557页·Zbl 1344.68274号 [16] A.内迪奇，网络分布平均动力学的收敛速度与优化，找到。趋势系统。控制，2（2015），第1-100页。 [17] A.Nedic®和A.Ozdaglar，多智能体优化的分布式次梯度方法，IEEE传输。自动化。控制，54（2009），第48-61页·Zbl 1367.90086号 [18] A.Nedicí、A.Ozdaglar和P.Parrilo，多智能体网络中的约束一致性与优化，IEEE传输。自动化。控制，55（2010），第922-938页·Zbl 1368.90143号 [19] A.内米洛夫斯基、A.朱迪茨基、G.兰和A.夏皮罗，随机规划的鲁棒随机逼近方法、SIAM J.Optim.、。，19（2009），第1574–1609页·Zbl 1189.90109号 [20] R.Olfati-Saber，J.A.Fax和R.M.Murray，网络化多智能体系统中的共识与合作，程序。IEEE，95（2007），第215–233页·Zbl 1376.68138号 [21] S.R.Phade和V.S.Borkar，分布式Han–Boyle–Dykstra方案、SIAM J.Optim.、。，27（2017），第1880–1897页·Zbl 1370.90178号 [22] S.S.Ram、A.Nedicí和V.V.Veeravalli，凸优化的分布式随机次梯度投影算法，J.Optim。理论应用。，147（2010），第516–545页·Zbl 1254.90171号 [23] A.说，网络自适应、学习和优化，找到。趋势马赫数。学习。，7（2014年），第311-801页·Zbl 1315.68212号 [24] D.Shah，流言算法，找到。趋势Netw。，3（2009年），第1-125页。 [25] A.Simonetto和H.Jamali-Rad，分布式凸优化中基于共识的对偶分解的原语恢复，J.Optim。理论应用。，168（2016），第172-197页·Zbl 1332.90203号 [26] K.Srivastava、A.Nedicí和D.Stipanovic，噪声网络上的分布式约束优化，《第49届IEEE决策与控制会议记录》，IEEE出版社，新泽西州皮斯卡塔韦，2010年，第1945-1950页。 [27] K.Srivastava和A.Nedic，分布式异步约束随机优化IEEE J.选择。顶部。信号处理。，5（2011年），第772-790页。 [28] J.N.Tsitsiklis、D.P.Bertsekas和M.Athans，分布式异步确定性和随机梯度优化算法，IEEE传输。自动化。《控制》，31（1986），第803-812页·Zbl 0602.90120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。