文献

J-GLOBAL ID：201802259803259101   整理番号：18A2022119

ネットワーク上の分散最適化のためのBregman分割方式【JST・京大機械翻訳】

A Bregman Splitting Scheme for Distributed Optimization Over Networks

著者 (4件)： Xu Jinming (Ira A. Fulton Schools of Engineering, Arizona State University, Tempe, AZ, USA) ,  Zhu Shanying (Key Laboratory of System Control and Information Processing, Ministry of Education of China, and the Department of Automation, Shanghai Jiao Tong University, Shanghai, China) ,  Soh Yeng Chai (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Xie Lihua (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Transactions on Automatic Control  (IEEE Transactions on Automatic Control)
巻： 63  号： 11  ページ： 3809-3824  発行年： 2018年 
JST資料番号： C0223A  ISSN： 0018-9286  CODEN： IETAA9  資料種別： 逐次刊行物 (A)
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： 分散最適化問題を考察した。そこでは,エージェントのグループがピアツーピア通信ネットワークを通してグローバル最適化を協調的に探索することである。この問題は,資源配分,センサ融合,分散学習などの様々な応用分野で発生する。Bregman法と演算子分割に基づく一般的なアルゴリズムフレームワークを示し,既存の分散アルゴリズムの大部分を容易に復元できる。このフレームワークの下で,著者らは,一般的な効率的な分散アルゴリズム,すなわち,分散フォワード-逆Bregman分割(D-FBBS)を提案し,同時に上記の問題とその双対を解決した。提案したアルゴリズムは,エージェントが非同期的に通信することを可能にし,その結果,確率的ネットワークにそれ自身を送ることができる。このアルゴリズムは,固定ネットワークを扱うとき,いくつかの既存の良く知られたアルゴリズムと密接な接続を持つことを示した。しかし,確率的ネットワークの取り扱いにおけるその有効性により,一般的に既存のものとは異なることを示した。適切な仮定により,確率的ネットワーク上のD-FBBSに対するO(1/k)のより計算効率的でエルゴード的収束速度であるD-FBBSとその不正確なバージョン(ID-FBBS)の両方に対する固定点残差に関するO(1/k)の非エルゴード的収束速度を確立した。また,提案したアルゴリズムをセンサ融合問題に適用し,既存の方法と比較して優れた性能を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エージェント ,  資源割付 ,  分散アルゴリズム ,  残差 ,  センサフュージョン ,  アルゴリズム ,  *ネットワーク
準シソーラス用語： 収束速度 ,  計算効率 ,  分散学習 ,  大域的最適化 ,  ピアツーピア ,  *分散最適化 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 分散最適化