%0 Journal Article
%T 快速在线分布式对偶平均优化算法
%A 周跃进
%A 王俊雅
%A 马驰
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2018010189
%X 摘要 为提高分布式在线优化算法的收敛速度，对底层网络拓扑依次添边，提出一种快速的一阶分布式在线对偶平均优化（FODD）算法。首先，对于分布式在线优化问题，运用添边方法使所选的边与网络模型快速混合，进而建立数学模型并设计FODD算法对其进行优化求解。其次，揭示了网络拓扑和在线分布式对偶平均收敛速度之间的关系，通过提高底层拓扑网络的代数连通度改进了Regret界，将在线分布式对偶平均（ODDA）算法从静态网络拓展到时变网络拓扑上，并证明了FODD算法的收敛性，同时解析地给出了收敛速度。最后的数值仿真表明:和ODDA算法相比，所提出的FODD算法具有更快的收敛速度
%K 分布式网络
%K 在线分布式对偶平均
%K Regret界
%K 代数连通度
%K 拉普拉斯矩阵
%U http://www.joca.cn/CN/abstract/abstract22321.shtml