| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 分布式人工智能 | 第9页 |
| 1.1.2 多智能体系统 | 第9-10页 |
| 1.2 分布式优化算法的研究现状 | 第10-13页 |
| 1.2.1 分布式优化问题模型 | 第11-12页 |
| 1.2.2 基于多智能体系统的分布式优化算法 | 第12-13页 |
| 1.3 本文主要研究工作与内容 | 第13-15页 |
| 第二章 相关背景知识 | 第15-22页 |
| 2.1 图与矩阵 | 第15-16页 |
| 2.2 凸优化相关概念与定义 | 第16-18页 |
| 2.2.1 凸集与凸函数 | 第16-17页 |
| 2.2.2 凸优化问题的形式 | 第17-18页 |
| 2.3 次梯度算法 | 第18-19页 |
| 2.3.1 次梯度与超梯度 | 第18-19页 |
| 2.3.2 次梯度算法 | 第19页 |
| 2.4 鞍点定理 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于确定性量化的分布式鞍点算法 | 第22-38页 |
| 3.1 引言 | 第22-23页 |
| 3.2 分布式鞍点问题 | 第23页 |
| 3.3 基于确定性量化的分布式鞍点问题优化算法与收敛分析 | 第23-33页 |
| 3.3.1 问题模型 | 第24-25页 |
| 3.3.2 算法设计与收敛证明 | 第25-33页 |
| 3.4 仿真算例 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于概率量化的分布式鞍点算法 | 第38-49页 |
| 4.1 引言 | 第38-39页 |
| 4.2 基于概率量化的分布式鞍点问题优化算法与收敛分析 | 第39-45页 |
| 4.2.1 问题描述 | 第39-40页 |
| 4.2.2 分布式对偶平均算法设计 | 第40-41页 |
| 4.2.3 收敛性分析与证明 | 第41-45页 |
| 4.3 仿真算例 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 时变拓扑下基于概率量化的对偶平均算法 | 第49-61页 |
| 5.1 引言 | 第49-50页 |
| 5.2 时变拓扑下基于概率量化的分布式鞍点算法 | 第50-58页 |
| 5.2.1 问题描述 | 第50-51页 |
| 5.2.2 算法设计与收敛性证明 | 第51-58页 |
| 5.3 仿真算例 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 致谢 | 第67页 |