文献

J-GLOBAL ID：201702217056248423   整理番号：17A1427356

有向ネットワーク上の分散最適化について【Powered by NICT】

On the distributed optimization over directed networks

著者 (3件)： Xi Chenguang (Department of Electrical and Computer Engineering, Tufts University, 161 College Ave., Medford, MA 02155, USA) ,  Wu Qiong (Department of Mathematics, Tufts University, 503 Boston Ave., Medford, MA 02155, USA) ,  Khan Usman A. (Department of Electrical and Computer Engineering, Tufts University, 161 College Ave., Medford, MA 02155, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 267  ページ： 508-515  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,有向グラフ上のマルチエージェント最適化問題を解決するために,有向分散劣勾配降下(D DSD)と呼ばれる分散アルゴリズムを提案した。既存アルゴリズムは主に無向ネットワークの仮定の下で類似の問題を取り扱う,すなわち,二重確率的に重み行列を必要とする。重み行列の列確率はすべてのエージェントは合意に達することを保証するが,カラム確率は,各エージェントの局所(サブ)勾配は大域的目的に等しく寄与することを保証する。有向グラフでは,しかしながら,分散型で二重確率的重み行列を構築することが可能でないかもしれない。状態進化における変化を記録するために,各エージェントのための付加的変数を増強することによりこの問題を克服した。各反復において,提案アルゴリズムでは,同時に列確率行列のみ二重確率的マトリックスの代わりにカラム確率行列を構築した。列確率とカラム確率行列に依存して,新しい重み行列の収束は両コンセンサスと最適性に到達する剤を確実にした。解析は,提案したアルゴリズムがO(ln k k)の速度,kは反復数で収束することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 有向グラフ ,  アルゴリズム ,  最適化問題 ,  エージェント ,  *ネットワーク ,  確率行列 ,  分散アルゴリズム
準シソーラス用語： 最適性 ,  マルチエージェント ,  *分散最適化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 分散最適化 ,  マルチエージェントネットワーク ,  有向グラフ ,  分散劣勾配降下

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (1件)： 分散最適化