文献

J-GLOBAL ID：201602259059980904   整理番号：16A0618065

オンラインマルチエージェント最適化におけるコンセンサスのない近接【Powered by NICT】

Proximity without consensus in online multi-agent optimization

著者 (3件)： Koppel Alec (Department of Electrical and Systems Engineering, University of Pennsylvania) ,  Sadler Brian M. (U.S. Army Research Laboratory, Adelphi, MD) ,  Ribeiro Alejandro (Department of Electrical and Systems Engineering, University of Pennsylvania)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICASSP  ページ： 3726-3730  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルチエージェント環境における確率的最適化問題,エージェントのネットワークが大域的目的の観点から最適な決定変数を学習することを目的としたを考察し,局所的かつ連続的に観察された情報への選択性を与える。そうするために,ネットワーク近接制約,特別な場合としてコンセンサス最適化を含むを与えた上で,各エージェントは大域的目的を最小にする問題を定式化した。それを解くための矢とHurwiczによって提案された鞍点アルゴリズムの確率的変種を提案し,減少アルゴリズムステップサイズを選択したときに期待される問題の主双対最適対へ漸近的に収束しすることが知られている分散アルゴリズムが得られた。さらに,アルゴリズムは一定ステップサイズが選ばれているとき,近傍に直線的に収束する。はこの方法を適用したセンサネットワーク,これら性能保証を裏付けるにおける相関ランダム場を推定する逐次の問題に適用した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 鞍点 ,  センサネットワーク ,  アルゴリズム ,  制約条件 ,  分散アルゴリズム ,  *エージェント ,  定式化 ,  *最適化 ,  ネットワーク
準シソーラス用語： 確率場 ,  性能保証 ,  ステップサイズ ,  決定変数 ,  確率的最適化 ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： オンライン ,  マルチエージェント ,  最適化 ,  コンセンサス