分布式網絡的平均一致估計及優(yōu)化.pdf

1、分布式平均算法已經受到極大的關注,由于在分布式網絡系統(tǒng)中節(jié)點保持簡單的狀態(tài)信息并且只與一跳鄰居交換信息。因此,不需要建立或保持復雜的路由結構.而且,網絡不會存在由計算可能被對手損壞、丟失或者干擾引起的瓶頸鏈接(樹狀或環(huán)狀結構)。最重要的是,平均一致性算法最優(yōu)異的性質在于算法最終計算的值均可以應用于整個網絡,使網絡用戶詢問任何節(jié)點都能立即得到一個響應,而不是詢問或者等待融合中心的反應。此外,最終計算的值就是網絡節(jié)點初始測量的平均值,由于其

2、在無線傳感器網絡中的廣泛應用而受到關注，本文主要致力于分析分布式通信網絡的平均一致估計和優(yōu)化問題,主要內容包括：
　?、倩趶V播的隨機多Gossip對算法的平均一致估計問題。 基于無線傳感器網絡、點對點網絡和ad hoc網絡的應用和普及,我們提出了一個基于廣播的隨機多Gossip對算法,算法適用于任意形式連通的網絡進行信息交換和計算.不像傳統(tǒng)的隨機Gossip算法,本章提出的算法是基于push-sum機制的,使得算法在任意時鐘周期

3、內都能保存和以及權值,并且允許隨機擴散矩陣不是雙隨機的.基于弱遍歷理論和信息傳播理論,推導出權值存在下界,并給出了下界的一個估計值.通過引入一個誤差勢函數,推導出算法以概率1收斂到節(jié)點初始狀態(tài)的平均.此外,本章也提供了擴散速度、ò-收斂時間以及廣播傳輸次數的上界.最后,通過一個仿真的例子,示例了本章的算法與它相似算法相比較所表現出的優(yōu)勢。
　　②基于預測機制多智能體網絡加速平均一致問題。探討了多智能體網絡達到分布式加權平均一致的雙

4、積分器的一致加速問題.首先,給出了有向和無向網絡收斂到加權平均一致的充要條件,但是收斂速度很慢.為了提升收斂速度,提出一個預測方法加速達到一致,即利用線性預測器通過當前時刻和過去時刻節(jié)點的狀態(tài)來預測將來節(jié)點的狀態(tài)。因此,基于預測機制的一致性協(xié)議就變成了原始一致性協(xié)議和線性預測器的凸加權和的形式,由于忽略冗余狀態(tài),這使得達到加權平均一致的收斂速度變快.而且,對于無向網絡,還給出了混合參數的可行域以及最優(yōu)值.值得指出的是,加速框架已經盡可能

5、地挖掘存儲在內存中的當前時刻和過去時刻節(jié)點的狀態(tài)的最大潛能,用以提升收斂速度而不增加存儲和計算負擔.最后,給出一個仿真實驗證明方法的有效性。
　?、蹎畏e分器的多智能體網絡的加權平均預測問題。討論了在多智能體網絡達到加權平均一致的前提下,如何同時提升網絡的魯棒性以及收斂速度.為了達到這個目的,提出了一個加權平均預測方法,那么網絡一致性協(xié)議就變?yōu)橐粋€時滯的中立型協(xié)議.通過運用Hopf分岔分析技術,獲得了一個使網絡能達到加權平均一致所允

6、許的最大通信時滯.而且,通過理論分析并與原一致性協(xié)議相比,所得到的結果不僅增強了網絡對于通信時滯的魯棒性而且提升了網絡協(xié)議的收斂速度.最后,給出兩個仿真實驗證明方法的有效性。
　?、芑跁r滯次梯度信息的分布式協(xié)同優(yōu)化。討論了帶有通信時滯的可計算的多智能體網絡的分布式協(xié)同優(yōu)化問題,其中,每個智能體有自己的凸代價函數,并且協(xié)同最小化整個網絡的全局代價函數.為了解決這個問題,提出了一個基于對偶平均更新和時滯次梯度信息的算法,通過利用Br