Resumen

Consideramos un problema de optimización distribuida restringida sobre grafos, donde la función de costo de cada agente es privada. Además, asumimos que los grafos son variables en el tiempo y dirigidos. Para abordar dicho problema, se propone un algoritmo de proyección de subgradiente estocástico totalmente descentralizado sobre grafos dirigidos variables en el tiempo. Sin embargo, dado que los grafos son dirigidos, la matriz de pesos puede no ser una matriz doblemente estocástica. Por lo tanto, superamos esta dificultad utilizando una técnica de balance de pesos. Al elegir tamaños de paso apropiados, mostramos que las iteraciones de todos los agentes convergen asintóticamente a algunas soluciones óptimas. Además, mediante nuestro análisis, la tasa de convergencia de nuestro algoritmo propuesto está bajo convexidad fuerte local, donde n es el número de iteraciones. Además, bajo convexidad local, demostramos que nuestro algoritmo propuesto puede converger con una tasa . Además, verificamos los resultados teóricos a través de simulaciones.

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Distribuido; Optimización; Grafos; Dirigido; Algoritmo; Convergencia
• Keywords:Distributed; Optimization; Graphs; Directed; Algorithm; Convergence