Core Concepts
노이즈가 있는 통신 링크에서 다중 에이전트 네트워크 내의 최대값을 정확하게 추정하기 위한 분산 알고리즘인 RD-MC를 제안한다.
Abstract
기존 최대 합의 알고리즘은 노이즈가 있는 통신 환경에서 성능이 저하되는 문제가 있었다.
이를 해결하기 위해 최대 합의 문제를 분산 최적화 문제로 재정의하고, ADMM을 이용하여 해결하는 RD-MC 알고리즘을 제안했다.
RD-MC는 단일 세트의 노이즈 있는 추정치만을 사용하여 기존 알고리즘보다 노이즈에 강인하다.
또한 이동 평균 기법을 적용하여 노이즈 영향을 추가로 완화했다.
시뮬레이션 결과, RD-MC가 기존 알고리즘에 비해 노이즈에 대한 강인성이 크게 향상된 것을 확인했다.
Stats
노이즈 분산 σ^2이 0.1일 때, RD-MC 알고리즘은 수렴하지만 기존 알고리즘들은 발산한다.
노이즈 분산 σ^2이 증가할수록 RD-MC의 정상 상태 네트워크 MSE가 증가한다.
창 크기 C가 증가할수록 RD-MC의 노이즈 강인성이 향상된다.
선형 토폴로지 네트워크에서 RD-MC의 정상 상태 MSE가 임의 토폴로지 네트워크보다 더 크지만, 여전히 우수한 성능을 보인다.