本書研究了針對異步通信、量化信息、隱私保護、高維約束、事件驅動等具體需求的網絡化多智能體繫統的分布式優化算法。

●第1章 緒論
1.1 研究背景與意義
1.2 外研究現狀
1.2.1 分布式離線優化算法
1.2.2 分布式在線優化算法
參考文獻
第2章 分布式隨機次梯度投影算法
2.1 引言
2.2 算法設計
2.3 主要結果
2.4 收斂性能分析
2.5 本章小結
參考文獻
第3章 異步的分布式次梯度隨機投影算法
3.1 引言
3.2 算法設計
3.3 主要結果
3.4 收斂性能分析
3.5 誤差界分析
3.6 本章小結
參考文獻
第4章 量化信息與隨機網絡拓撲的擴散小均方算法
4.1 引言
4.2 擴散算法
4.3 算法設計
4.3.1 隨機網絡拓撲模型
4.3.2 抖動量化模型
4.3.3 隨機網絡與抖動量化的擴散策略
4.4 均方收斂分析
4.5 穩態性能分析
4.6 仿真結果
4.7 本章小結
參考文獻
第5章 分布式隨機次梯度在線優化算法
5.1 引言
5.2 問題描述與算法設計
5.2.1 問題描述
5.2.2 算法設計
5.3 主要結果
5.4 算法性能分析
5.5 仿真實驗
5.6 本章小結
參考文獻
第6章 差分隱私的分布式在線優化算法
6.1 引言
6.2 基本概念與定義
6.2.1 圖論
6.2.2 差分隱私
6.3 問題描述及算法設計
6.3.1 問題描述
6.3.2 算法設計
6.4 主要結果
……
第7章 分布式條件梯度在線學習算法
第8章 基於隨機塊坐標的分布式在線無投影算法
第9章 基於事件驅動的分布式在線無投影算法

本書在歸納分析外關於網絡化多智能體繫統分布式優化算法的基礎上，研究了針對異步通信、量化信息、隱私保護、高維約束、事件驅動等具體需求的網絡化多智能體繫統的分布式優化算法，主要內容包括：①繫統建模——構建滿足具體需求的網絡化多智能體繫統模型，如有向/無向通信、動態/靜態網絡拓撲、時變/非時變代價函數等，為算法設計與分析提供了模型基礎；②算法設計——針對具體問題，采用恰當的技術方案，如隨機梯度、差分隱私、條件梯度、隨機塊坐標等，設計高效的分布式優化算法，解決實際應用場景的具體優化問題；③證明與分析——針對提出的算法，通過嚴格的數學證明與分析，證明了算法的正確性和有效性，分析了算法的Regret界，為算法的應用奠定了基礎：④仿真實驗——利用公開的數據集驗證了部分算法性能和理論分析的結果。本書可以作為計算機科學與技術、控制科學與工程、人工智能、優化理論等專業碩士研究生、博士研究生的專業課教材，也可供等

朱軍龍 等 著