隨著科學技術(shù)的飛速發(fā)展和網(wǎng)絡(luò)規(guī)模的不斷擴大,傳統(tǒng)的集中式控制和優(yōu)化技術(shù)已經(jīng)難以解決大規(guī)模復雜的網(wǎng)絡(luò)問題,更具有魯棒性和靈活性的分布式優(yōu)化算法引起越來越多的關(guān)注。鑒于多智能體系統(tǒng)在分布式計算方面有著不可替代的優(yōu)勢,許多研究者將其作為分布式優(yōu)化的載體進行理論研究和應用推廣。多智能體系統(tǒng)分布式優(yōu)化理論在科學研究、工程設(shè)計和社會生活等多個領(lǐng)域均有非常廣泛的應用,例如無線傳感器網(wǎng)絡(luò)邊緣覆蓋及源點定位,交通擁堵控制,多機器人編隊控制和電力資源分配等。多智能體系統(tǒng)分布式優(yōu)化通過多個智能體相互作用協(xié)同合作實現(xiàn)系統(tǒng)全局優(yōu)化的目標,其中全局目標函數(shù)是所有智能體局部目標函數(shù)之和,每個智能體所擁有的局部目標函數(shù)僅被它本身知道。本文在現(xiàn)有研究的基礎(chǔ)上進一步豐富相關(guān)理論,以解決實際生活中的優(yōu)化決策問題為目標提出更為普適的分布式優(yōu)化算法,主要研究內(nèi)容概括如下:（1）針對有向拓撲環(huán)境下的分布式優(yōu)化問題,本文概括總結(jié)了現(xiàn)有的分布式一階方法,在此基礎(chǔ)上提出一種新穎的分布式優(yōu)化算法。在局部目標函數(shù)是強凸和利普希茨連續(xù)的前提下,算法采用行隨機矩陣和異構(gòu)步長,精確地驅(qū)使每個智能體逐漸地收斂到全局最優(yōu)解,并且我們通過增加一個輔助... 

【文章來源】：西南大學重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

有向圖和無向圖

第三章基于行隨機矩陣的多智能體系統(tǒng)分布式優(yōu)化35[0.01,0.03]i和動量參數(shù)[0.1,0.5]i，并為所有智能體i=1,...,10設(shè)置初始值0inx和00iu。我們用標簽1ijy表示樣本ija有毒，標簽1ijy表示樣本ija沒有毒。我們將提出的算法與其他現(xiàn)有算法（包括DEXTRA[48]，ADD-OPT[49],和FROST[54]）的收斂速度進行比較。從圖3.2中可以看出，我們所提出的算法具有更好的收斂性。此外，圖3.3表明當不超過步長上限時，步長的增加會促進所提出算法的收斂性。圖3.1通信網(wǎng)絡(luò)圖3.2不同算法的性能比較3.6本章小結(jié)本章基于精確的一階方法提出了一種分布式優(yōu)化算法求解有向網(wǎng)絡(luò)拓撲環(huán)境下的凸優(yōu)化問題。該算法利用了異構(gòu)步長和行隨機矩陣，步長的選擇更靈活且適

第三章基于行隨機矩陣的多智能體系統(tǒng)分布式優(yōu)化35[0.01,0.03]i和動量參數(shù)[0.1,0.5]i，并為所有智能體i=1,...,10設(shè)置初始值0inx和00iu。我們用標簽1ijy表示樣本ija有毒，標簽1ijy表示樣本ija沒有毒。我們將提出的算法與其他現(xiàn)有算法（包括DEXTRA[48]，ADD-OPT[49],和FROST[54]）的收斂速度進行比較。從圖3.2中可以看出，我們所提出的算法具有更好的收斂性。此外，圖3.3表明當不超過步長上限時，步長的增加會促進所提出算法的收斂性。圖3.1通信網(wǎng)絡(luò)圖3.2不同算法的性能比較3.6本章小結(jié)本章基于精確的一階方法提出了一種分布式優(yōu)化算法求解有向網(wǎng)絡(luò)拓撲環(huán)境下的凸優(yōu)化問題。該算法利用了異構(gòu)步長和行隨機矩陣，步長的選擇更靈活且適

【參考文獻】：
期刊論文
[1]分布式合作優(yōu)化及其應用[J]. 衣鵬,洪奕光.  中國科學:數(shù)學. 2016(10)
[2]含風電場電力系統(tǒng)經(jīng)濟調(diào)度的模糊建模及優(yōu)化算法[J]. 陳海焱,陳金富,段獻忠.  電力系統(tǒng)自動化. 2006(02)



本文編號：2979141