Resumen

Este documento se centra en una clase de algoritmos de optimización de consenso distribuido de tiempo discreto activados por eventos, con un conjunto de agentes cuya topología de comunicación está representada por una secuencia de redes variables en el tiempo. El proceso de comunicación está dirigido por condiciones de activación independientes observadas por los agentes y es descentralizado, dependiendo únicamente del estado de cada agente. En cada instante, cada agente solo tiene acceso a su función objetivo convexa local Lipschitz privada. En el siguiente paso de tiempo, cada agente actualiza su estado aplicando su propia función objetivo y la información enviada por sus agentes vecinos. Bajo la suposición de que la topología de la red es uniformemente fuertemente conectada y equilibrada en peso, el nuevo algoritmo de subgradiente distribuido activado por eventos es capaz de dirigir a toda la red de agentes a converger asintóticamente hacia una solución óptima del problema de optimización convexa. Finalmente, se presenta un ejemplo de simulación para validar la efectividad del algoritmo introducido y demostrar

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Consenso distribuido; Algoritmos desencadenados por eventos; Redes con variación temporal; Función objetivo convexa de Lipschitz; Algoritmo de subgradiente; Problema de optimización convexa
• Keywords:Distributed consensus; Event-triggered algorithms; Time-varying networks; Lipschitz convex objective function; Subgradient algorithm; Convex optimization problem