多个体网络分布式随机投影无梯度优化算法

研究了有向多个体网络的无梯度优化问题,提出了一种分布式随机投影无梯度优化算法。假定网络的优化目标函数可分解成所有个体的目标函数之和,每个个体仅知其自身的目标函数及其自身的状态约束集。运用无梯度方法解决了因个体目标函数可能非凸而引起的次梯度无法计算问题,并结合随机投影算法解决了约束集未知或约束集投影运算受限的问题。在该算法作用下,所有个体状态几乎必然收敛到优化集内,并且网络目标函数得到最优。

具有通信时延的多个体网络量化一致性分析

文章针对一般的固定拓扑有向非平衡网络,研究了个体间存在通信时延的量化一致性问题。每个个体具有离散一阶动力学模型,且个体间基于对数量化信息交互并存在通信时延。利用相关强非周期马尔科夫(Markov)链的收敛结论,证明了只要通信时延有上界,则提出的量化一致性协议是可接受的,且无论对数量化信息多么粗糙,多个体网络最终依指数速度达成β-加权平均一致性。结果揭示了一致性误差上界对对数量化器扇形边界参数β的依赖关系,并用仿真算例验证了该结果。

复杂多个体时滞网络系统的脉冲一致性

从动力学与控制的角度考虑具有固定与切换拓扑多个体时滞有向网络系统的平均一致性问题.基于时滞动力系统的脉冲控制理论,提出了在通讯时滞环境中两个网络的脉冲一致性协议,并给出了寻求相应平均一致性问题简单而又一般的判据.最显著的特征是提出的第一个一致性协议对于任意的通讯时滞都是有效的,第二个一致性协议能够使得整个网络指数地达到平均一致.所获得结果表明,一致性协议中的脉冲增益在寻求平均一致性问题中具有相当重要的作用.数值模拟进一步验证了理论结果的正确性.

切换网络分布式次梯度优化算法

研究了切换网络的多个体分布式次梯度优化算法。在有向切换网络是周期强连通的且对应的邻接矩阵是随机的而非双随机的条件下,利用非二次李雅普诺夫函数方法证明了所提多个体分布式次梯度优化算法的收敛性。最后,通过仿真实例验证了所提算法的有效性。

基于分布式优化算法的植保通信系统设计

针对植保机器人数据传输延迟、影响作业效果的问题,基于分布式优化算法对植保机器人的通信系统进行了设计。植保机器人采用CPS系统进行设计,主要包括用户层、信息处理层、网络通信层和物理层。对通信系统进行分布式优化算法设计,包括对多个体网络系统进行受限一致性分析,并进行通信系统分布式优化,以减少数据传输延迟,提升信息传输速度。为了验证通信系统的有效性,对其进行通信系统性能试验和信息处理功能测试,结果表明:通信系统数据传输效果良好,可以完成信息的处理。

基于概率量化的分布式无梯度优化算法研究

主要考虑每个个体仅知道其自身目标函数,且仅与其邻居进行局部量化信息通信使所有个体目标函数之和达成最优的多个体网络分布式优化问题。假定个体间的量化通信采用概率量化方式的前提下,本文进一步探究概率量化后对网络优化性能的影响。并证明了当步长一定时,每个个体的状态收敛到网络最优解的邻域内。

数据丢包情形下分布式无梯度Push-sum算法

针对多个体网络中个体信息交互常会出现数据丢包及个体目标函数次梯度难以计算或不存在的问题,提出数据丢包情形下分布式无梯度Push-sum算法,该算法要求网络的权矩阵为列随机而无需是双随机。通过增加虚拟节点进行系统扩维,从而建立一个有限的非均匀的马尔可夫链,并结合遍历性系数的结论证明了所提算法的收敛性。研究表明:收敛误差值与高斯近似函数的光滑参数、目标函数的Lipschitz常数成正比,从而有效解决了数据丢包及个体目标函数次梯度不存在或难以计算的分布式优化问题。

分布式流言push-sum无梯度算法

研究多个体网络中所有个体目标函数之和最小值问题,其中每个个体仅知其自身目标函数且仅可与其邻居个体交互信息。鉴于个体目标函数通常非光滑,同时个体间单变量信息通信有一定局限性,本文提出一种分布式流言push-sum无梯度算法求解此优化问题。假设每个个体都具有一个服从泊松分布的控制时钟,时钟的每次转动表示随机选择的个体之间进行信息更新。进一步地,在网络连通条件下证明了所提算法的收敛性。数值仿真结果表明,与现有的分布式流言无梯度优化算法相比,本文算法具有更快的收敛速度。