%0 Journal Article
%T 基于随机加速对偶下降算法的分布式网络流量优化
%A 刘琳
%A 杨丽芳
%J 重庆邮电大学学报(自然科学版)
%D 2014
%X 传统的分布式网络流量优化问题大都通过对偶梯度下降算法来解决，虽然该算法能够以分布式方式来实现,但其收效速度较慢。加速对偶下降（accelerateddualdescent,ADD)算法通过近似牛顿步长的分布式计算,提高了对偶梯度下降算法的收敛速率。但由于通信网络的不确定性，在约束不确定时，该算法的收敛性难以保证。基于此,提出了一种随机形式的ADD算法来解决该网络优化问题。理论上证明了随机ADD算法在不确定性的均方误差有界时，能以较高概率收敛于最优值的一个误差邻域；当给出更严格的不确定性的约束条件时，算法则可以较高概率收敛于最优值。实验结果表明，随机ADD算法的收敛速率比随机梯度下降算法快2个数量级。
%K 加速对偶下降算法
%K 随机加速对偶下降（ADD)算法
%K 网络优化
%K 收敛速率
%U http://journal.cqupt.edu.cn/jcuptnse/jcuptnse/ch/reader/view_abstract.aspx?file_no=20140618&flag=1