分散最適化

サインイン

インサイト - 分散最適化

本稿では、最適制御問題の枠組みを通じて、従来の分散最適化アルゴリズムにおけるステップサイズ選択の問題を克服し、超線形収束率を達成する新しい分散最適化アルゴリズムを提案する。

本稿では、単層ネットワークにおける合意ベースの分散最適化アルゴリズムを、多層ネットワークの特殊なケースである多重ネットワークに拡張し、各層のノード間に一対一の対応関係を仮定した、2つの新規アルゴリズムを提案する。

本稿では、非凸型最適化問題向けに新たな分散型共役勾配法（NDCG）を、強凸型最適化問題向けにメモリレスBFGS法（DMBFGS）を提案し、これらのアルゴリズムが従来手法と比較して優れた性能を持つことを示しています。

本稿では、通信効率の高い準ニュートン法を用いた、Douglas-Rachford エンベロープに基づく新たな分散最適化手法を提案し、スーパーリニア収束を達成しながら、通信コストを最小限に抑えることに成功しました。

本稿では、大規模線形計画問題を効率的に解くための、グローバルコンセンサスと拡張ラグランジュ法に基づく分散コンピューティングアルゴリズムを提案し、その収束性と収束率を理論的に証明する。

本論文では、各エージェントが非平滑成分と平滑成分を含む局所目的関数を扱う、マルチエージェント最小化問題を解決するための、バックトラッキングラインサーチを用いた分散型一次アルゴリズムを提案する。

本稿では、複数ロボットの協調動作に必要な最適化問題を分散的に解くための手法を3つの主要なカテゴリ（分散型一次手法、分散型逐次凸計画法、交互方向乗数法（ADMM））に分類し、それぞれの特性やロボット工学への応用可能性について解説する。

クリークワイズ結合問題に対する新たな分散最適化アルゴリズムを提案し、従来のペアワイズ結合問題を超えた幅広い応用可能性を示すとともに、その分析を通じてNIDSなどの既存アルゴリズムの性能向上と新たな知見を提供する。

本論文では、データの類似性を利用することで通信効率を大幅に向上させた、分散型変分不等式問題のための新しい確率的近接アルゴリズム、PAUSを提案する。

本稿では、時間変化グラフ上における分散最適化問題に対して、高速化勾配追跡アルゴリズムを提案し、その収束速度を従来手法と比較して大幅に改善しました。

会社概要

プロダクト

リソース