| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 插图 | 第11-12页 |
| 算法 | 第12-13页 |
| 第一章 绪论 | 第13-25页 |
| ·多智能体网络 | 第13-15页 |
| ·有中心与无中心分布式信息处理 | 第15-18页 |
| ·问题描述 | 第18-22页 |
| ·本文贡献 | 第22-23页 |
| ·本文结构 | 第23页 |
| ·基本假设及标记 | 第23-25页 |
| 第二章 预备知识 | 第25-35页 |
| ·凸集与凸函数 | 第25-26页 |
| ·凸问题的优化算法 | 第26-31页 |
| ·无约束问题 | 第26-28页 |
| ·有等式约束的问题 | 第28-31页 |
| ·图 | 第31-32页 |
| ·一致平均矩阵 | 第32页 |
| ·收敛速度 | 第32-35页 |
| 第三章 一致性问题的无中心分布式算法综述 | 第35-49页 |
| ·基于原问题的分布式算法 | 第35-43页 |
| ·Incremental算法 | 第36-37页 |
| ·Gossip算法 | 第37-38页 |
| ·分布式梯度下降法 | 第38-41页 |
| ·分布式对偶平均法 | 第41-43页 |
| ·Diffusion算法 | 第43页 |
| ·基于原对偶问题的分布式算法 | 第43-49页 |
| ·对偶分解法 | 第44-45页 |
| ·分布式增广拉格朗日法 | 第45-46页 |
| ·分布式交替方向乘子法(ADMM) | 第46-49页 |
| 第四章 分布式ADMM算法的线性收敛 | 第49-61页 |
| ·分布式ADMM算法 | 第49-52页 |
| ·分布式ADMM算法的收敛速度 | 第52-57页 |
| ·主要结论 | 第52-55页 |
| ·定理4.2的证明 | 第55-57页 |
| ·数值实验 | 第57-61页 |
| ·实验设置 | 第58-59页 |
| ·线性收敛 | 第59-61页 |
| 第五章 分布式梯度下降法的收敛条件和收敛速度 | 第61-77页 |
| ·保证梯度有界的条件 | 第62-65页 |
| ·收敛性分析 | 第65-73页 |
| ·x_i与均值x的距离 | 第66-69页 |
| ·f(x)和x的收敛性 | 第69-73页 |
| ·x_i(k)的收敛性 | 第73页 |
| ·数值实验 | 第73-77页 |
| 第六章 Basis Pursuit问题的分布式线性Bregman算法 | 第77-89页 |
| ·分布式BP问题 | 第77-79页 |
| ·线性Bregman算法 | 第79-80页 |
| ·分布式线性Bregman算法 | 第80-81页 |
| ·收敛性分析 | 第81-86页 |
| ·数值实验 | 第86-89页 |
| 第七章 全文结论及未来工作 | 第89-91页 |
| 参考文献 | 第91-99页 |
| 致谢 | 第99-101页 |
| 在读期间发表的学术论文与取得的研究成果 | 第101-102页 |