多个体切换网络分布式量化次梯度优化算法

由于已有的分布式次梯度算法大多基于理想的假设：网络拓扑是有向平衡的,构成网络的个体间通信的是各个个体某个状态变量的完全精确的信息。针对更一般的非平衡切换网络以及实际生活中网络通道的带宽限制,提出一种基于有限量化信息通信的切换网络分布式量化次梯度优化算法。在非平衡切换网络中,通过设计具有有限量化水平的一致量化器使所有信息在发送之前都经过量化,利用非二次李雅普诺夫函数方法,证明了所提出的多个体分布式量化次梯度优化算法的收敛性。最后仿真实例验证了所提算法的有效性,而且通过调节量化水平参数,在相同的带宽条件下,可提高信息传输速率,使网络中的个体更快地达到一致。该方法弱化了对刻画网络拓扑的邻接矩阵的假设及对网络带宽的要求,更具实用性。     

分段可压缩路径的切换优化算法

针对切换控制系统可渐近稳定的充分条件的难题,提出了一种分段可压缩路径的搜索算法。分析了压缩路径的切换控制规律,并对常规可压缩路径的切换控制进行了优化,提出了最短和加权平均可压缩优化路径算法及峰值控制优化算法。通过实例Matlab程序仿真寻找可压缩路径的优化参数,比对切换实验数据,演示不同优化算法下的切换率稳定和收敛状况。     

多智能体系统的多步近似次梯度随机投影优化算法

基于切换网络下带有随机时延和随机通讯噪声的多智能体系统模型,提出分布式多步近似次梯度随机投影算法,并对算法的收敛性进行分析.首先,利用网络扩维的方法将含随机时延的通讯网络转化为无时延网络;其次,提出近似次梯度概念,并设计多步近似次梯度随机批量投影算法,批量随机投影可以避免在实际问题中整体约束集合不易获得而导致投影算子不...     

离散时滞切换系统的无记忆状态反馈镇定

针对一类子系统为离散时滞系统的切换系统,研究了稳定性与无记忆状态反馈镇定问题．采用多李雅普诺夫函数法,首先以线性矩阵不等式形式给出了在任意切换信号作用下离散时滞切换系统渐进稳定的一个充分性条件;然后给出了系统无记忆状态反馈镇定的控制器设计方案,并将结果推广到不确定离散时滞切换系统;最后用仿真算例验证了所提出设计方案的可行性。     

多个体网络分布式随机投影无梯度优化算法

研究了有向多个体网络的无梯度优化问题,提出了一种分布式随机投影无梯度优化算法。假定网络的优化目标函数可分解成所有个体的目标函数之和,每个个体仅知其自身的目标函数及其自身的状态约束集。运用无梯度方法解决了因个体目标函数可能非凸而引起的次梯度无法计算问题,并结合随机投影算法解决了约束集未知或约束集投影运算受限的问题。在该算法作用下,所有个体状态几乎必然收敛到优化集内,并且网络目标函数得到最优。     

一类离散时间切换混杂系统鲁棒控制

由于切换规则的存在使得切换混杂控制系统的稳定性研究变得极为复杂,如何针对给定的系统设计适当的控制器和切换规则没有统一的方法.本文考虑一类线性不确定离散时间切换混杂系统的鲁棒二次镇定和渐近镇定问题.利用公共李雅普诺夫函数方法和多李雅普诺夫函数方法,分别设计了切换混杂系统鲁棒状态反馈控制器和鲁棒输出反馈控制器,保证了切换混杂系统的二次稳定性和渐近稳定性.仿真结果验证了所提算法的正确有效性.     

非平衡有向网络的完全分布式凸优化

分布式凸优化问题的目的是如何以分布式方法最小化局部智能体成本函数和,而现有分布式算法的控制步长选取依赖于系统智能体个数、伴随矩阵等全局性信息,有悖于分布式算法的初衷.针对此问题,提出一种基于非平衡有向网络的完全分布式凸优化算法(FDCOA).基于多智能体一致性理论和梯度跟踪技术,设计了一种非负余量迭代策略,使得FDCOA的控制步长收敛范围仅与智能体局部信息相关,进而实现控制步长的分布式设置.进一步分析了FDCOA在固定强连通和时变强连通网络情形下的收敛性.仿真结果表明本文构建的分布式控制步长选取方法对FDCOA在有向非平衡下的分布式凸优化问题是有效的.     

非平衡有向网络下带约束的连续时间分布式优化算法设计EI北大核心CSCD

本文基于权重不平衡有向网络,对一类分布式约束优化问题进行研究,其中全局目标函数等于具有李普希兹梯度的强凸目标函数之和,并且每个智能体的状态都有一个局部约束集.每个智能体仅知道自身的局部目标函数和非空约束集.本文的目标是用分布式方法求解该问题的最优解.针对优化问题,提出了一种新的分布式投影梯度连续时间协调算法,利用拉普拉斯矩阵的零特征值对应的左特征向量消除了图的不平衡性.在某些假设下,结合凸分析理论和李雅普诺夫稳定性理论,证明了算法能够获得问题的最优解.最后,通过仿真验证了算法的有效性.     

切换循环组合系统的基本性能分析

切换循环组合系统具有广泛的实际背景,生物学中的“超循环”是其中之一.本文研究了这种切换系统在任意切换律下的二次稳定性,循环矩阵的结构特征为解决这个问题提供了有效的方法.此外,拟循环组合系统,一种扩展的循环组合系统,也作为本文研究的对象,给出这种组合系统的简化降阶方法.最后,针对切换循环组合系统的仿真算例验证了文中的主要结果.     

Distributed Subgradient Algorithm for Multi-Agent Optimization With Dynamic Stepsize

In this paper, we consider distributed convex optimization problems on multi-agent networks. We develop and analyze the distributed gradient method which allows each agent to compute its dynamic stepsize by utilizing the time-varying estimate of the local function value at the global optimal solution. Our approach can be applied to both synchronous and asynchronous communication protocols. Specifically, we propose the distributed subgradient with uncoordinated dynamic stepsizes (DS-UD) algorithm for synchronous protocol and the AsynDGD algorithm for asynchronous protocol. Theoretical analysis shows that the proposed algorithms guarantee that all agents reach a consensus on the solution to the multi-agent optimization problem. Moreover, the proposed approach with dynamic stepsizes eliminates the requirement of diminishing stepsize in existing works. Numerical examples of distributed estimation in sensor networks are provided to illustrate the effectiveness of the proposed approach.      

A Subgradient Descent Algorithm for Optimization of Initially Controllable Flow Shop Systems

We consider an optimization problem for deterministic flow shop systems processing identical jobs. The service times are initially controllable; they can only be set before processing the first job, and cannot be altered between processes. We derive some waiting and completion time characteristics for fixed service time flow shop systems, independent of the cost formulation. Exploiting these characteristics, an equivalent convex optimization problem, which is non-differentiable, is derived along with its subgradient descent solution algorithm. This algorithm not only eliminates the need for convex programming solvers but also allows for the solution of larger systems due to its smaller memory requirements. Significant improvements in solution times are also observed in the numerical examples.

Distributed observers design for leader-following control of multi-agent networks

This paper is concerned with a leader-follower problem for a multi-agent system with a switching interconnection topology. Distributed observers are designed for the second-order follower-agents, under the common assumption that the velocity of the active leader cannot be measured in real time. Some dynamic neighbor-based rules, consisting of distributed controllers and observers for the autonomous agents, are developed to keep updating the information of the leader. With the help of an explicitly constructed common Lyapunov function (CLF), it is proved that each agent can follow the active leader. Moreover, the tracking error is estimated even in a noisy environment. Finally, a numerical example is given for illustration.     

含分布式发电的改进BFO算法配电网无功优化

在含分布式电源的电网无功优化研究中,为了更有效地提高配电网性能,提出了一种改进细菌觅食算法(CP-BFO).以电网网损最小、负荷节点电压和发电机的无功出力约束作为综合目标函数,采用细菌觅食算法,在聚焦操作中引入粒子群变异算子,使算法具有良好的全局搜索能力,提高了算法的寻优效率.同时利用混沌原理对改进的细菌觅食算法的参数进行自适应调节,改善了算法的收敛性能.通过节点系统的仿真表明,CP-BFO算法在提高含分布式电源的智能电网电压质量与减少功率损耗的优化过程中具有可行性和有效性.     

一种分布式数据库多属性划分查询优化算法

简单阐述了分布式数据库中查询优化的查询目的,并简单介绍了直接连接优化算法中的Hash划分和Partition算法.通过分析,指出Partition算法的不足,并加以改进.在改进算法中提出了查询图划分方法,缩短查询操作的响应时间.     

集合约束下多智能体系统分布式固定时间优化控制

本文研究一类具有状态约束的多智能体系统优化控制问题, 提出了一种具有固定时间收敛特性的分布式优化控制算法. 该控制算法由局部投影模块、一致性模块和梯度模块构成, 其中局部投影模块确保智能体的状态在固定时间内收敛到局部约束集合, 基于时变增益的一致性模块实现所有智能体的状态在固定时间内收敛到一致值, 基于时变增益的梯度模块实现智能体的状态在固定时间内收敛到最优解. 利用凸优化理论和固定时间李雅普诺夫理论, 分析了算法的固定时间收敛特性. 算法收敛时间的上界值不依赖系统的初始条件, 因而可以根据任务需求来预先设计收敛时间. 最后通过数值仿真验证了理论结果的有效性.     

Distributed Momentum-Based Frank-Wolfe Algorithm for Stochastic Optimization

This paper considers distributed stochastic optimization,in which a number of agents cooperate to optimize a global objective function through local computations and information exchanges with neighbors over a network.Stochastic optimization problems are usually tackled by variants of projected stochastic gradient descent.However,projecting a point onto a feasible set is often expensive.The Frank-Wolfe(FW) method has well-documented merits in handling convex constraints,but existing stochastic F...     

A Primal-Dual SGD Algorithm for Distributed Nonconvex Optimization

The distributed nonconvex optimization problem of minimizing a global cost function formed by a sum of n local cost functions by using local information exchang...     

全局优化RBF网络的一种新算法

神经网络的输入变量、隐含层结点以及中心的选择对模型的性能都有重大的影响,以前的研究一般只考虑优化网络的参数或其结点数。为解决这个问题,提出了一种新的全局优化算法来自动选择RBF神经网络的输入变量和结点数目,并同时优化其参数。在提出的算法中,RBF网络的结点数目、输入变量的选择和参数都采用二进制编码,并用遗传算法来优化。为提高算法的性能和收敛速度,在遗传算法优化的同时引入了一种高性能的基于梯度的局部搜索算子(结构化的非线性参数优化方法)来优化RBF网络中的参数。Box-Jenkins煤气炉标准时间序列的预测问题被用来检验算法的性能。实验结果表明,提出的算法可以得到非常"紧凑"的RBF网络,且其性能优于其他一些算法。