
-
生物通官微
陪你抓住生命科技
跳动的脉搏
一种基于深度强化学习的高效分布式优化方法
《IEEE Transactions on Control of Network Systems》:A Deep Reinforcement Learning Approach to Efficient Distributed Optimization
【字体: 大 中 小 】 时间:2025年12月29日 来源:IEEE Transactions on Control of Network Systems 5
编辑推荐:
本文提出一种基于深度强化学习的分布式优化方法,通过整合多种一阶和二阶优化算法,利用局部共识和目标信息构建状态观测,实现自适应参数配置,在收敛速度和求解精度上显著优于传统算法。
随着网络系统(如车联网、智能电网、智能建筑和雾计算)的快速发展,在这些系统中应用传统的集中式优化方法面临着计算负荷大、通信负担重、用户隐私泄露和可扩展性有限等问题[1]。受此启发,近年来分布式优化技术得到了蓬勃发展,这种技术允许网络中的计算节点仅通过局部通信来协作优化全局目标函数。在网络系统上的分布式优化通常采用以下形式: