网络化多智能体系统的分布式优化理论研究
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第17-31页 |
| 1.1 研究背景与意义 | 第17-20页 |
| 1.2 国内外研究现状 | 第20-25页 |
| 1.2.1 分布式离线优化算法 | 第20-23页 |
| 1.2.2 分布式在线优化算法 | 第23-25页 |
| 1.3 论文的主要工作、创新点与结构安排 | 第25-31页 |
| 1.3.1 论文的主要工作 | 第25-27页 |
| 1.3.2 论文的主要创新点 | 第27-28页 |
| 1.3.3 论文的结构安排 | 第28-31页 |
| 第二章 分布式随机次梯度投影算法 | 第31-57页 |
| 2.1 引言 | 第31-33页 |
| 2.2 算法设计 | 第33-35页 |
| 2.3 主要结果 | 第35-37页 |
| 2.4 收敛性能分析 | 第37-56页 |
| 2.5 本章小结 | 第56-57页 |
| 第三章 异步的分布式次梯度随机投影算法 | 第57-83页 |
| 3.1 引言 | 第57-58页 |
| 3.2 算法设计 | 第58-62页 |
| 3.3 主要结果 | 第62-63页 |
| 3.4 收敛性能分析 | 第63-74页 |
| 3.5 误差界分析 | 第74-82页 |
| 3.6 本章小结 | 第82-83页 |
| 第四章 量化信息与随机网络拓扑的扩散最小均方算法 | 第83-99页 |
| 4.1 引言 | 第83-84页 |
| 4.2 背景:扩散算法 | 第84-85页 |
| 4.3 算法设计 | 第85-88页 |
| 4.3.1 随机网络拓扑模型 | 第85-86页 |
| 4.3.2 抖动量化模型 | 第86页 |
| 4.3.3 随机网络与抖动量化的扩散策略 | 第86-88页 |
| 4.4 均方收敛分析 | 第88-90页 |
| 4.5 稳态性能分析 | 第90-96页 |
| 4.6 仿真结果 | 第96-98页 |
| 4.7 本章小结 | 第98-99页 |
| 第五章 分布式随机次梯度在线优化算法 | 第99-121页 |
| 5.1 引言 | 第99-101页 |
| 5.2 问题描述与算法设计 | 第101-103页 |
| 5.2.1 问题描述 | 第101-102页 |
| 5.2.2 算法设计 | 第102-103页 |
| 5.3 主要结果 | 第103-105页 |
| 5.4 算法性能分析 | 第105-118页 |
| 5.5 仿真实验 | 第118-119页 |
| 5.6 本章小结 | 第119-121页 |
| 第六章 差分隐私的分布式在线优化算法 | 第121-145页 |
| 6.1 引言 | 第121-122页 |
| 6.2 基本概念与定义 | 第122-124页 |
| 6.2.1 图论 | 第122-123页 |
| 6.2.2 差分隐私 | 第123-124页 |
| 6.3 问题描述与算法设计 | 第124-126页 |
| 6.3.1 问题描述 | 第124-125页 |
| 6.3.2 算法设计 | 第125-126页 |
| 6.4 主要结果 | 第126-128页 |
| 6.5 差分隐私与性能的分析 | 第128-143页 |
| 6.5.1 差分隐私分析 | 第128-130页 |
| 6.5.2 性能分析 | 第130-143页 |
| 6.6 本章小结 | 第143-145页 |
| 第七章 总结与展望 | 第145-149页 |
| 7.1 论文工作总结 | 第145-146页 |
| 7.2 下一步工作展望 | 第146-149页 |
| 附录A 引理2.1的详细证明过程 | 第149-153页 |
| 参考文献 | 第153-163页 |
| 致谢 | 第163-165页 |
| 攻读学位期间发表的学术论文目录 | 第165页 |
