一类时变有向图中的PUSH-SUM分布式对偶平均优化算法

利用push-sum通信协议并结合分布式对偶平均方法,在时变有向图中,讨论了一类带有简单约束集的分布式凸优化问题.首先提出了push-sum分布式对偶平均算法,然后分析了算法的收敛性,并得到了算法的收敛率为■,最后用l_1线性回归问题的数值结果验证了所提出算法的有效性.对比现有的一些结果,所提出的算法能用于求解带约束的分布式优化问题,并且去掉了网络通讯权矩阵是双随机的限制.     

分布式流言push-sum无梯度算法

研究多个体网络中所有个体目标函数之和最小值问题,其中每个个体仅知其自身目标函数且仅可与其邻居个体交互信息。鉴于个体目标函数通常非光滑,同时个体间单变量信息通信有一定局限性,本文提出一种分布式流言push-sum无梯度算法求解此优化问题。假设每个个体都具有一个服从泊松分布的控制时钟,时钟的每次转动表示随机选择的个体之间进行信息更新。进一步地,在网络连通条件下证明了所提算法的收敛性。数值仿真结果表明,与现有的分布式流言无梯度优化算法相比,本文算法具有更快的收敛速度。     

一种改进的近端策略优化算法

近端策略优化(proximal policy optimization, PPO)是从一个已知的分布附近来采样估计另一个分布,通过用新策略在老策略的附近学习来实现优化的,其中老策略作为新策略的近似分布。【目的】针对PPO算法在强化学习中学习效率及收敛性不够好的问题,提出一种改进的PPO算法。【方法】首先提出一种新损失函数来更新PPO算法中的网络参数,采用泛化优势估计(generalized dominance estimation, GAE)对优势函数进行描述;然后采用类似异步优势演员-评论家(asynchronous actor-critic, A3C)算法中的多线程策略来训练智能体;最后设计新的参数更新方式来实现对主副两种网络中的参数更新。【结果】本方法能够使智能体更快地完成学习训练,其训练过程中收敛性更好;由于多线程,其算法的训练速度会比常规的PPO算法至少快5倍。【结论】改进的PPO算法其性能更好,这为后续强化学习算法的研究提供了新思路。     

求解经济调度问题的分布式加速优化算法

【目的】研究一类分布式约束优化问题，其中无向网络中的节点旨在求解一系列局部凸代价函数之和的最小值，每个节点只能访问自身的局部凸代价函数且每个节点的状态同时遵循局部边界约束和耦合等式约束。【方法】提出一种新的分布式加速原对偶算法，该算法将两种动量项引入到分布式梯度跟踪并采用不协调的步长。【结果】假设代价函数为平滑且强凸的，在最大步长和最大动量系数足够小且为正的情况下，算法能够线性地收敛到最优解。【结论】通过智能电网仿真实例验证了算法有效且分析过程正确。     

基于K-spectrum的下一代测序数据的纠错算法分析

【目的】对现有的下一代测序(Next Generation Sequencing,NGS)纠错算法和工具进行分析,提出基于Hadoop平台的纠错算法,以解决大数据处理中计算机内存不足和运行时间长的问题,提升纠错性能。【方法】使用特定的数据对现有的基于K-spectrum的纠错算法进行测试,对各纠错工具的运行时间、内存峰值和纠错结果进行比较来衡量纠错工具的性能。在此基础上提出Hadoop分布式并行纠错算法(Parallel algorithm),并与串行程序、Lighter和Racer进行比较,分析分布式并行实现的可行性。【结果】现有的基于Kspectrum的纠错工具普遍存在较大的内存消耗现象,其中Racer和Sga的纠错效果较好。而Hadoop分布式并行纠错算法对计算机单机内存的消耗较低,当数据量超过一定值时,并行分布式程序的运算时间比串行单机程序明显减少。【结论】本研究提出的Hadoop分布式并行纠错算法不仅降低了内存消耗,而且提高了运算性能,更有利于大规模基因数据的分析处理。     

一种自适应量化的分布式次梯度方法

[目的]考虑了网络通讯受宽带限制,提出 了 一种自适应通讯量化的分布式次梯度方法来求解分布式凸优化问题.[方法]首先设计了 自适应量化方法,其次提出了有向网络下的分布式优化次梯度算法.[结果]得到了当 目标函数为凸函数和强凸函数时该算法的收敛率.[结论]数值例子表明所提算法能有效降低通讯成本,并能适用于更一般的非平衡有向通讯网络.     

非凸非光滑优化问题的惯性Bregman ADMM的收敛性分析

【目的】针对具有可分结构的非凸非光滑优化问题，提出一种内置惯性Bregman交替方向乘子法。【方法】为了加快算法的收敛速度，在Bregman交替方向乘子法的框架下，对子问题中的Bregman度量内置惯性项。【结果】在生成的点列有界的条件下，利用Kurdyka-Lojasiewicz性质，证明了算法的渐进收敛性。【结论】数值实验结果表明了该算法的有效性。     

求解随机变分不等式问题的修正外梯度随机逼近算法

【目的】研究求解随机变分不等式问题的基于外梯度的随机逼近算法。【方法】依据求解经典变分不等式问题的外梯度算法,给出求解随机变分不等式问题的修正外梯度随机逼近算法。【结果】在适当的假设下,证明了修正外梯度随机逼近算法具有全局收敛性,初步的数值试验结果表明算法具有有效性。【结论】修正外梯度随机逼近算法是对已有的外梯度随机逼近算法的进一步推广,并且可在更弱的假设下获得它们的全局收敛性结果。     

关于两族拟Lipschitz映像的非凸混杂算法

【目的】研究两族渐近拟Lipschitz映像的公共不动点的迭代方法以及强收敛性的证明。【方法】利用构造凸闭集的方法和投影算子的定义和性质等技巧。【结果】首先,在Hilbert空间中,构造出一种新的关于两族渐近拟Lipschitz映像的公共不动点的非凸混杂投影算法,其次,利用构造凸闭集的方法证明了该算法的强收敛性。【结论】所得结论是最新文献相关结论之推广。     

距离均衡的自组织无线传感器网络分簇算法

【目的】针对节省能耗、延长网络生命周期的问题,在分析典型分簇算法不足的基础上,提出了能有效减少节点传输能量消耗的距离均衡的自组织分簇算法(DBSOCA)。【方法】在该算法中,簇内节点依据计算自身与基站的距离来竞选簇首,并确保基站与簇首及簇首间的传输能够保持一定的距离。【结果】用平均传输距离来避免簇首因传输距离的不同而造成能耗的不均衡。【结论】仿真结果证明,该算法能有效地降低整个网络的能耗,进而延长网络的生命周期。