Concepts de base
이 논문에서는 비선형 동적 시스템으로 구성된 네트워크에서 집합적 최적화 문제를 해결하기 위한 새로운 분산 피드백 최적화 기법인 AGGREGATIVE TRACKING FEEDBACK을 제안한다. 이 기법은 각 에이전트가 국소적 정보만을 이용하여 전체 네트워크를 최적화 문제의 정상점으로 수렴시킨다.
Résumé
이 논문은 분산 집합적 최적화 문제를 다룬다. 네트워크의 각 에이전트는 자신의 의사결정 변수와 모든 에이전트의 변수의 집합적 정보에 의존하는 국소 목적 함수를 최소화하고자 한다.
저자들은 AGGREGATIVE TRACKING FEEDBACK이라는 새로운 분산 피드백 최적화 기법을 제안한다. 이 기법은 다음과 같은 두 가지 주요 특징을 가진다:
각 에이전트는 국소적 정보만을 이용하여 폐루프 구배 흐름을 구현하여 비용 함수의 하강 방향을 추정한다.
각 에이전트는 합의 기반 동적 보상기를 통해 전역 정보를 재구성한다.
저자들은 시스템 이론 도구를 활용하여 AGGREGATIVE TRACKING FEEDBACK이 비선형 비볼록 목적 함수를 가진 집합적 최적화 문제의 정상점으로 네트워크를 수렴시킨다는 것을 증명한다. 또한 고립된 정상점이 국소 최소값인 경우 점근적 안정성을 보장한다.
마지막으로 다중 로봇 감시 시나리오에 AGGREGATIVE TRACKING FEEDBACK을 적용하여 그 효과를 검증한다. 시뮬레이션 결과는 제안된 기법이 비볼록 최적화 문제를 해결할 수 있음을 보여준다.
Stats
최적화 오차 eopt(t)는 시간이 지남에 따라 0으로 수렴한다.
w(t)와 z(t)의 오차 ew,z(t)도 시간이 지남에 따라 0으로 수렴한다.
외란이 존재하는 경우, eopt(t)와 ew,z(t)는 0으로 수렴하지 않지만 유계를 유지한다.