本文利用一阶近似信息研究分布式优化问题。我们假设代理可以反复调用每个目标函数的一阶不精确预言,并与其时变邻居交换信息。在这种情况下,我们重新讨论了分布式次梯度方法,并证明了它在平方可和但不可和步长下的次优性。我们还提出了局部预言不精确的几个条件,以确保迭代序列向全局最优解精确收敛。通过数值算例验证了算法的有效性。
分布式优化、多智能体网络、不精确oracle、一阶方法、时变拓扑
65K10、93A16