切换网络分布式次梯度优化算法

研究了切换网络的多个体分布式次梯度优化算法。在有向切换网络是周期强连通的且对应的邻接矩阵是随机的而非双随机的条件下,利用非二次李雅普诺夫函数方法证明了所提多个体分布式次梯度优化算法的收敛性。最后,通过仿真实例验证了所提算法的有效性。     

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.     

带事件触发机制的分布式量化随机无梯度投影算法

本文研究多智能体系统的分布式约束优化问题,系统中的每个智能体仅知道自身的局部目标函数和全局非空约束集,通过与邻居节点进行信息交互,最终协同求出优化问题的最优解.本文所提出的算法针对通信网络为时变不平衡有向图,且每个智能体不知道它的出度的情况.同时考虑到现实中通信带宽有限和通讯成本的限制,应用基于编译码方案的量化技术对节...     

基于梯度估计的多智能体系统有限时间分布式优化

现有多智能体系统分布式优化算法大多具有渐近收敛速度,且要求系统的网络拓扑图为无向图或有向平衡图,在实际应用中具有一定的保守性.本文研究了具有强连通拓扑的多智能体系统有限时间分布式优化问题.首先,基于非光滑分析和Lyapunov稳定性理论设计了一个有限时间分布式梯度估计器.然后,基于该梯度估计器提出了一种适用于强连通有向图的有限时间分布式优化算法,实现了多智能体系统中智能体的状态在有限时间内一致收敛到全局最优状态值.与现有的有限时间分布式优化算法相比,新提出的有限时间优化算法适用于具有强连通拓扑的多智能体系统,放宽了系统对网络拓扑结构的要求.此外,本文基于Nussbaum函数方法对上述优化算法进行了拓展解决了含有未知高频增益符号的多智能体系统分布式优化问题.最后,通过仿真实例对提出的分布式优化算法的有效性进行了验证.     

基于简单再生码的带宽感知的分布式存储节点修复优化

分布式存储系统为保证可靠性会采用一定存储冗余策略如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码与以简单再生码为代表的局部可修复码,显著降低了修复网络开销.然而,现有基于编码的分布式容错存储方案大都假设节点处于星型逻辑网络结构中,忽略了实际的物理网络拓扑结构和带宽信息.为实现拓扑感知的容错存储优化,相关研究在纠删码和再生码修复过程结合网络链路带宽能力,建立树型修复路径,进一步提高了修复效率.但由于编码和修复过程的差异性,上述工作并不适合于简单再生码修复.针对该问题,本文结合实际物理网络拓扑结构,将链路带宽能力引入到简单再生码的修复过程中,对带宽感知的简单再生码修复优化技术开展研究.论文建立了带宽感知节点修复时延模型,提出了基于最优瓶颈路径和最优修复树的并行修复树构建算法.并通过实验对所提算法性能进行了评估.实验结果表明,与星型修复方式相比,论文所提算法有效地降低了节点修复时延,提高了修复效率.     

一种构建Kademlia 网络拓扑的高效算法

通过对结构化P2P网络Kademlia 的特点和分布式网络拓扑管理协议的研究,提出了基于非结构化P2P网络快速构建Kademlia 网络拓扑的算法,并进行了实验分析和性能评估。该算法在对数的步数内构建出满意的Kademlia网络拓扑,最后提出了对算法优化的相关策略。     

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...     

基于Bandit反馈的自适应量化分布式在线镜像下降算法

多智能体系统的在线分布式优化常用于处理动态环境下的优化问题, 节点间需要实时传输数据流. 在很多情况下, 各节点无法获取个体目标函数的全部信息(包括梯度信息), 并且节点间信息传输存在一定的通信约束. 考虑到非欧投影意义下的镜像下降算法在处理高维数据和大规模在线学习上的优势, 本文使用个体目标函数在两点处的函数值信息对缺失的梯度信息进行估计, 并且根据镜像下降算法的性质设计自适应量化器, 提出基于Bandit反馈的自适应量化分布式在线镜像下降算法. 然后分析了量化误差界和Regret界的关系, 适当选择参数可得所提算法的Regret界为O(√T). 最后, 通过数值仿真验证了算法和理论结果的有效性     

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。     

基于有向图的分布式连续时间非光滑耦合约束凸优化分析

研究一类分布式优化问题, 其目标是在满足耦合不等式约束和局部可行集约束的情况下使非光滑全局代价函数值最小. 首先, 对原有的分布式连续时间投影算法进行拓展, 结合线性代数理论分析, 设计一个适用于强连通加权平衡有向通信网络拓扑图的算法. 其次, 在局部代价函数和耦合不等式约束函数是非光滑凸函数的假设条件下, 利用Moreau-Yosida函数正则化使目标函数和约束函数近似光滑可微. 然后, 根据强连通加权平衡有向图的分布式连续时间投影算法构造李雅普诺夫函数, 证明该算法下的平衡解是分布式优化问题最优解, 并对算法进行收敛性分析. 最后, 通过数值仿真验证算法的有效性.     

基于动态加权的量化分布式卡尔曼滤波

针对一个无融合中心传感器网络中的状态估计问题,提出一种基于量化信息的分布式卡尔曼滤波(QDKF)算法。首先,在分布式卡尔曼滤波(DKF)中,以节点状态估计精度为加权准则,动态选取加权矩阵,使得全局估计误差的协方差最小;然后,进一步考虑了网络带宽受限制的情况,在DKF算法中加入均匀量化器,节点之间通信使用量化后的信息,以减少网络通信的带宽需求。QDKF算法仿真采用了8 bit的均匀量化器,与Metropolis加权法和最大度加权法相比,动态加权法的状态估计均方根误差分别降低了25%和27.33%。实验结果表明,采用动态加权法的QDKF算法能提高系统的状态估计精度,减少带宽需求,适用于网络通信受限制的应用场合。     

无线传感网络中拥塞控制与路由的跨层设计:分布式牛顿法

无线传感网络应用广泛, 其性能与路由选择和拥塞控制密切相关. 致力于拥塞控制与多径路由的跨层优化, 以实现在链路容量受限和节点能量受限情况下的无线传感网络效用最大化. 针对对偶次梯度算法具有收敛速度慢与信息交互量大等缺陷, 设计了具有二阶收敛性能的分布式牛顿算法来实现网络效用最大化. 通过矩阵分裂技术, 实现了只需单跳信息交互的牛顿对偶方向的分布式求解方法. 仿真结果表明, 分布式牛顿算法的收敛性能显著优于对偶次梯度算法.     

Quantized consensus over directed networks with switching topologies

This paper studies the quantized consensus problem for a group of agents over directed networks with switching topologies. We propose an effective distributed protocol with an adaptive finite-level uniform quantized strategy, under which consensus among agents is guaranteed with weaker communication conditions. In particular, we analytically prove that each agent sending 5-level quantized information to each of its neighbors, together with 3-level quantized information to itself at each time step, which suffices for attaining consensus with an exponential convergence rate as long as the duration of all link failures in the directed network is bounded. By dropping the typical common left eigenvector requirement for the existence of common quadratic Lyapunov function, we conduct the convergence analysis based on the notion of input-to-output stability. The proposed quantized protocol has favorable merits of requiring little communication overhead and increasing robustness to link unreliability, and it fits well into the digital network framework.     

Consensus seeking over directed networks with limited information communication

Existing works that deal with the problem of distributed average consensus with quantized information communication assume that the update matrices are doubly stochastic, which amounts to agents evolving on balanced directed networks with digital channels. This paper is concerned with the problem of seeking consensus via quantized information communication over a general unbalanced directed digital network. It is established that, by designing a protocol with a finite-level uniform quantization scheme, merely one bit quantized information transmitted along each connected digital channel suffices for achieving weighted average consensus with an exponential convergence rate, as long as the directed unbalanced network is strongly connected. An explicit characterization of the convergence rate of consensus is also given. By avoiding the double stochasticity assumption on the update matrix, the proposed quantized protocol is particularly suitable for the scenarios where no bidirectional and/or balanced information communication among agents is available.     

Target tracking in wireless sensor networks using adaptive measurement quantization

Quantization/compression is usually adopted in wireless sensor networks (WSNs) since each sensor node typically has very limited power supply and communication bandwidth.We consider the problem of target tracking in a WSN with quantized measurements in this paper.Attention is focused on the design of measurement quantizer with adaptive thresholds.Based on the probability density function (PDF) of the signal amplitude measured at a random location and by maximizing the entropy,an adaptive design method for quantization thresholds is proposed.Due to the nonlinear measuring and quantization models,particle filtering (PF) is adopted in the fusion center (FC) to estimate the target state.Posterior Cram’er-Rao lower bounds (CRLBs) for tracking accuracy using quantized measurements are also derived.Finally,a simulation example on tracking single target with noisy circular trajectories is provided to illustrate the effectiveness of the proposed approach.     

无线传感器网络中基于量化观测的粒子滤波状态估计

无线传感器网络环境下处理分布式状态估计问题,由于网络中的带宽限制,减少通信成本是非常重要的一个环节,需要将观测值量化后再传送.针对非线性系统的状态滤波问题,本文提出了一种基于量化观测的粒子滤波状态估计算法,并阐述了基于量化观测的状态估计过程.文中分别采用基于均匀量化(UQDPF)和非均匀量化(NUQDPF)观测的分布式粒子滤波算法进行状态估计,通过被动跟踪仿真实例,利用均方根误差(RMSE)比较了误差性能,并且比较了在不同量化级数下的非均匀量化算法的跟踪误差,仿真结果表明,基于非均匀量化观测的粒子滤波器具有更高的跟踪精度,是一种有效的非线性滤波算法.     

无人艇全分布式动态事件触发编队控制

针对通信资源受限的多无人艇(USV)编队控制问题, 本文提出了一种动态事件触发数据传输机制以降低通信频率, 减少控制算法对系统带宽的占用. 首先, 基于滑模和自适应控制算法设计一种全分布式编队控制器, 使得所有编队成员在保持预设队形的同时能够完成对期望轨迹的跟踪. 与现有编队控制器相比, 该控制器不需要通信网络的全局信息. 然后, 基于Lyapunov稳定性理论证明了编队跟踪误差以及所有闭环信号都能达到稳定状态. 此外,该算法能够保证触发时间序列不表现出Zeno行为. 最后, 通过数值仿真验证了全分布式编队控制器的有效性