有向切换网络的PUSH-SUM分布式对偶平均凸优化

最近已经有大量的基于分布式一致性优化应用程序的研究。文章在此基础上描述和证明了一种有向切换网络新算法的收敛性我们称此算法为push-sum分布式对偶平均算法,它结合最近的一个优化对偶平均算法[1]构成了有push-sum显著优势的一致性协议算法[2]。     

邻近梯度优化算法的研究

本文研究了用临近梯度算法解决凸函数的平均优化问题。在切换拓扑中,每个个体有自身的目标函数称为局部目标函数,它由其距离的微分组成,并且个体间有一个共同的非微分部分对于该方法的计算起了至关重要的作用。该优化算法通过反复迭代使得全局变量达到最小值,其收敛速率达到了O（I／t）,比其它解决该问题的方法的收敛效果要好。