A Distributed Algorithm for Measure-valued Optimization with Additive Objective
University of California, Santa Cruz（加州大学圣克鲁兹分校）
提出了一种求解可加目标测度值最优化问题的分布式非参数算法。这些问题出现在随机学习和控制中的几个上下文中，包括从非归一化先验的Langevin采样，平均场神经网络学习和Wasserstein梯度流。该算法包括一个两层的交替方向法的乘法器（ADMM）。外层ADMM将欧几里德共识ADMM推广到Wasserstein共识ADMM及其熵正则化版本Sinkhorn共识ADMM。内层ADMM原来是标准欧几里得ADMM的一个特定实例。整个算法实现了概率测度流形上梯度流的算子分裂。
2022-02-17 cs.LG cs.SY eess.SY
Distributed computation of fast consensus weights using ADMM
我们考虑的问题，实现多个代理之间的平均共识，其中代理间的通信网络描绘的图形。我们考虑离散时间的共识协议，每个代理更新其值作为自己的值和邻居的加权平均值。给定一个图，已知存在一组“最优权重”，使得代理以最优收敛速度渐近地达到平均共识。然而，现有的方法需要整个图的知识来计算这些最优权重。我们提出了一种方法，每个代理本地计算其最佳权重集，即，每个代理只需要知道谁是它的邻居。该方法是通过求解矩阵范数最小化问题的线性约束，在分布式的方式使用交替方向乘法（ADMM）。我们用数值例子说明我们的结果，并比较我们的方法与现有的方法称为大都市的权重，这也是本地计算。
2021-11-28 cs.SY eess.SY
Nonconvex Consensus ADMM for Cooperative Lane Change Maneuvers of Connected Automated Vehicles
互联和自动化车辆（CAV）为改善没有通信能力的自动化车辆（AV）的性能提供了巨大的潜力，特别是在车辆（或代理）需要合作以完成其操纵的情况下。密集交通中的变道机动，例如，对于非联网的自动驾驶汽车来说是非常具有挑战性的。为了缓解这个问题，我们提出了一个整体的分布式变道控制方案的CAV依赖于车辆到车辆的通信。将原来集中式的最优控制问题嵌入到基于共识的乘子框架的交替方向法中，以分布式滚动时域方式求解。虽然代理动力学使基本的最优控制问题的非凸，我们提出了一个问题的重新制定，允许获得收敛保证。在分布式环境中，每个智能体需要在本地求解一个非线性规划（NLP）。为了获得局部NLP的实时解，我们利用优化引擎OpEn，其实现用于最优控制的近似平均牛顿法（PANOC）。仿真结果证明了该方法的有效性和实时性。
2020-05-24 cs.SY eess.SY math.OC
Adaptive Consensus ADMM for Distributed Optimization
University of Maryland, College Park（马里兰大学 College Park分校）；United States Naval Academy, Annapolis（美国海军学院 安纳波利斯分校）；Hong Kong Baptist University, Hong Kong（香港 Baptist大学）
本文提出自适应共识ADMM方法，通过为每个节点定制参数提升分布式优化性能，并证明其O(1/k)收敛速率。
2017-06-20 cs.LG cs.NA cs.SY
Tracking-ADMM for Distributed Constraint-Coupled Optimization
我们考虑约束耦合的最优化问题，其中代理的网络的目标是合作最小化的总和，局部目标函数受到个人的约束和一个共同的线性耦合约束。我们提出了一种新的优化算法，嵌入一个动态平均共识协议的并行交替方向法的乘法器（ADMM）设计一个完全分布式的计划所考虑的设置。动态平均机制允许代理跟踪随时间变化的耦合约束违反（在当前的解决方案估计）。然后使用约束违反的跟踪版本来更新基于共识的方案中的局部对偶变量，该方案模仿并行ADMM步骤。在凸性条件下，我们证明了主体原解估计的所有极限点构成约束耦合（原）问题的最优解。通过基于Lyapunov的分析证明了该结果，同时证明了对偶估计对对偶最优解的一致性、跟踪方案的收敛性和原迭代的渐近最优性.插电式电动汽车最优充电方案的数值研究证实了理论结果。
2019-07-25 cs.SY eess.SY math.OC
Decentralized non-convex optimization via bi-level SQP and ADMM
针对分布式非凸优化，提出双层SQP方法，内层用ADMM求解二次问题，具有局部收敛保证，仅需解二次规划，在最优潮流问题上表现优异。
2025-10-17 cs.SY eess.SY math.OC
A Proximal Dual Consensus ADMM Method for Multi-Agent Constrained Optimization
National Taiwan University of Science and Technology（台湾科技大学）
本文提出一种新的分布式优化方法，通过将凸优化问题中的多面体约束作为惩罚项处理，提高了求解效率，并分析了其收敛性。
2014-09-11 cs.SY eess.SY math.OC
Distributed Weighted Least Squares Estimator Based on ADMM
无线传感器网络由于其广泛的适用性和易于安装的特点，近年来受到了广泛的关注。研究了一种分布式状态估计问题，要求所有传感器节点都能实现一致的状态估计。加权最小二乘（WLS）估计是一个有吸引力的方式来处理这个问题，因为它不需要任何先验分布信息。为此，我们首先利用信息滤波器和WLS估计之间的等价关系。然后，我们建立了一个优化问题下的关系耦合的共识约束。最后，基于共识的分布式WLS问题的交替方向乘子法（ADMM）解决。数值仿真和理论分析证明了算法的收敛性和节点间的一致性估计。
2021-03-29 cs.SY eess.SY
Consensus ADMM-Based Distributed Simultaneous Imaging & Communication
本文采取的第一步，使无线网络以分布式方式执行成像和通信。我们提出了分布式同时成像和符号检测（DSISD），一个可证明收敛的分布式同时成像和通信方案的基础上交替方向的乘法器。我们表明，DSISD实现了类似的成像和通信性能的集中式计划，与顺序减少计算复杂性。我们通过2.4 GHz的Wi-Fi模拟评估DSISD的性能。
2022-06-20 cs.SY eess.SP eess.SY
Multi-Robot Trajectory Generation via Consensus ADMM: Convex vs. Non-Convex
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文通过多机器人轨迹规划比较凸与非凸C-ADMM，提出结合缓冲Voronoi单元的凸方法以规避非凸避碰约束，实验表明其收敛迭代次数减少1000次，而非凸基线会产生次优解并违反安全约束。
2024-10-02 cs.RO cs.SY eess.SY
Feasibility vs. Optimality in Distributed AC OPF - A Case Study Considering ADMM and ALADIN
Institute for Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院自动化与应用信息学研究所）
本文探讨了在分布式优化中可行的初始猜测和大共识违反惩罚对最优功率流问题的影响，分析了交替方向乘子法（ADMM）的行为，并通过IEEE 57节点系统案例比较ADMM与增强拉格朗日交替方向近似牛顿（ALADIN）方法。
2019-04-01 cs.SY eess.SY
Distributed ADMM with linear updates over directed networks
本文针对有向网络提出一种具有线性更新的分布式ADMM算法，在目标函数光滑强凸时实现几何收敛，并通过不强制精确一致性显著提升收敛速度。
2023-09-20 cs.SY eess.SY math.OC
Improved Consensus ADMM for Cooperative Motion Planning of Large-Scale Connected Autonomous Vehicles with Limited Communication
The Hong Kong University of Science and Technology（香港科技大学）；National University of Singapore（新加坡国立大学）
本文针对有限通信下大规模网联自动驾驶车辆协同运动规划问题，提出改进一致性ADMM并行优化方法，结合局部连通拓扑、稀疏对偶更新和轻量级进化策略，在CARLA中验证了其高效性与可扩展性。
2024-01-17 cs.MA cs.RO cs.SY
Learning-Accelerated ADMM for Distributed Optimal Power Flow
National Renewable Energy Laboratory（国家可再生能源实验室）；University of Colorado at Boulder（科罗拉多大学博尔德分校）
提出了一种新的数据驱动的方法，以加快收敛的交替方向法的乘数（ADMM）求解分布式直流最优潮流（DC-OPF）的线路之间的独立的网络分区共享。该方法利用给定系统在不同负载下ADMM轨迹的先前观测值，训练递归神经网络（RNN）来预测对偶变量和共识变量的收敛值。给出了一种新的系统负载实现，少量的初始ADMM迭代作为输入，以推断收敛值，并直接注入到迭代。我们的经验表明，这些值到ADMM迭代的在线注入加速收敛的分区14，118和2848总线测试系统在不同的负载情况下的一个重要因素。所提出的方法有几个优点：它保持了共识ADMM中固有的私有决策变量的安全性;推理速度快，因此可以用于在线设置; RNN生成的预测可以显着提高收敛时间，但通过构造，永远不会导致不可行的ADMM子问题;它可以很容易地集成到现有的软件实现中。虽然我们专注于ADMM制定分布式DC-OPF在本文中，所提出的想法自然扩展到其他分布式最优化问题。
2020-09-15 cs.LG cs.SY eess.SY
Distributed Model Predictive Consensus via the Alternating Direction Method of Multipliers
ETH Zurich（苏黎世联邦理工学院）
提出一种分布式优化方法，利用交替方向乘子法（ADMM）解决分布式模型预测一致性问题，实现双积分器网络的位置和速度一致性，并通过少量迭代达到接近集中式优化的闭环性能。
2012-12-06 cs.SY eess.SY math.OC
Towards Distributed OPF using ALADIN
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院自动化与应用信息研究所）；School of Information Science and Technology, ShanghaiTech University（上海科技大学信息与科学技术学院）
本文探讨了将最近提出的增广拉格朗日交替方向不精确牛顿（ALADIN）方法应用于非凸AC最优功率流问题（OPF）的分布式方法，证明了ALADIN在AC OPF问题中具有局部二次收敛性，并通过数值结果表明其在迭代次数上优于ADMM，但通信开销增加，因此提出了一种使用不精确Hessian的ALADIN变体以减少通信开销。
2018-08-23 cs.DC cs.SY eess.SY
Affine-coupled Distributed Optimization via Distributed Proximal Jacobian ADMM with Quantized Communication
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of Bologna（博洛尼亚大学）；KTH Royal Institute of Technology（皇家理工学院）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出一种结合集中式近端雅可比交替方向乘子法与有限级量化共识方案的分布式算法，用于解决受限通信带宽下的分布式资源分配优化问题，证明其在凸目标函数下具有亚线性收敛性。
2026-04-16 cs.SY eess.SY math.OC
Ensemble Kalman Inversion for Constrained Nonlinear MPC: An ADMM-Splitting Approach
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Washington（华盛顿大学）
本文提出了一种基于ADMM的集合卡尔曼反演算法，用于解决带约束的非线性模型预测控制问题，通过引入非负松弛变量将阶段性非线性不等约束嵌入，并利用贝叶斯解释实现求解。
2026-03-24 cs.SY eess.SY math.OC
Mapped ADMM: A Robust Algorithm for 1-Bit mMIMO Detection
University of Alberta（阿尔伯塔大学）
研究1比特大规模多输入多输出检测问题，核心方法是将支持向量机重新表述为分散形式并结合乘子交替方向法，通过改变分组分类器大小平衡相关因素，主要贡献是显著优于现有实际可行方法。
2026-07-23 cs.IT cs.SY eess.SY
Mix-CALADIN: A Distributed Algorithm for Consensus Mixed-Integer Optimization
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；KTH Royal Institute of Technology（瑞典皇家理工学院）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出一种处理混合整数优化问题的分布式算法，特别针对布尔变量，通过改进CALADIN框架实现收敛性保证。
2026-04-16 cs.SY eess.SY math.OC
Distributed Multi-Building Coordination for Demand Response
针对多建筑协调控制中的最优控制问题，提出了一种分布式优化算法。由电网运营商协调的建筑物，加入需求响应程序，通过使用能量成本定义的标准来平衡电压浪涌。为了模拟建筑网络的层次结构，我们制定了一个分布式凸优化问题，可分离的目标和耦合仿射等式约束。一个变种的增广拉格朗日为基础的交替方向不精确牛顿（ALADIN）方法解决所考虑的一类问题，然后提出了一个收敛保证。为了说明所提出的方法的有效性，我们比较它的交替方向法的乘法器（ADMM）运行ALADIN和ADMM基于模型预测控制器的基准案例研究。
2021-01-13 cs.SY eess.SY math.OC
Distributed Optimization using ALADIN for MPC in Smart Grids
针对智能电网中的优化问题，提出了一种分布式优化算法。详细地说，我们提出了一种基于增广拉格朗日的交替方向不精确牛顿（ALADIN）方法的变体，该方法具有全局收敛保证，适用于所考虑的线性二次优化问题。我们建立了局部二次收敛的建议计划，并阐述其优势相比，交替方向乘法（ADMM）。特别是，我们表明，在更多的通信成本，ALADIN需要更少的迭代，以达到所需的精度。此外，它是数值证明的迭代次数是独立的子系统的数量。运行ALADIN和ADMM基于模型预测控制器的基准案例研究所提出的方案的有效性说明。
2020-04-03 cs.SY eess.SY math.OC
Distributed Optimization of Average Consensus Containment with Multiple Stationary Leaders
在本文中，我们考虑的问题包含多个固定的领导者，在有向网络上相互作用的多智能体系统的控制。而包容控制是指仅仅保证跟随者到达领导者状态的凸包，我们关注的问题是跟随者达到共识的领导者状态的平均值。我们提出了一种算法，可以实现分布式的方式来实现上述共识的追随者。接下来，我们通过适当选择交互图的权重来优化追随者到平均共识的收敛速度。该优化也使用乘法器的交替方向法（ADMM）以分布式方式执行。最后，我们补充我们的结果，说明他们与数值例子。
2022-03-30 cs.SY eess.SY math.OC
A Dynamically Weighted ADMM Framework for Byzantine Resilience
本文提出动态加权ADMM框架，用于在拜占庭攻击下实现鲁棒的分布式优化，证明其在无误差和存在攻击情况下均能保持解的稳定性。
2025-08-15 cs.MA cs.SY eess.SY
Asynchronous distributed collision avoidance with intention consensus for inland autonomous ships
针对内河自主船舶协同避碰，本文提出同步与异步两种基于ADMM的分布式MPC意图协商算法，并通过仿真和现场实验验证其在复杂场景下的防碰撞有效性。
2025-01-27 cs.SY eess.SY
A Distributed Parallel Optimization Algorithm via Alternating Direction Method of Multipliers
乘子交替方向法（ADMM）算法是求解分布式最优化问题（DOP）的常用算法。本文提出了一种新的分布式并行ADMM算法，该算法通过修改现有的分布式顺序ADMM，允许代理以完全分布式和并行的方式更新其局部状态和对偶变量。此外，还说明了变量的更新规则和存储方法。结果表明，所有的智能体可以达成共识，渐近收敛到最优解。此外，全局费用函数将以O（1/k）的速度收敛到最优值。数值算例的仿真结果表明了该算法的有效性。
2021-11-20 cs.SY eess.SY math.OC
A Sequential Operator-Splitting Framework for Exploration of Nonconvex Trajectory Optimization Solution Spaces
针对传统轨迹优化方法易收敛至初始猜测邻域局部解的问题，提出基于ADMM的序列算子分裂框架，在SCP框架内增强非凸解空间探索能力，仿真验证其可在同等或更少智能体下得到更优或同等成本的解。
2025-11-18 cs.SY eess.SY math.OC
Decentralized Safe Multi-agent Stochastic Optimal Control using Deep FBSDEs and ADMM
Georgia Institute of Technology（佐治亚理工学院）
在这项工作中，我们提出了一种新的安全和可扩展的分散解决方案的多智能体控制中存在的随机干扰。安全是数学编码使用随机控制障碍函数和安全控制计算通过求解二次规划。分散化是通过增加每个代理的优化变量，复制变量，为它的邻居。这使我们能够解耦集中式多智能体优化问题。然而，为了确保安全，邻近的代理必须就“什么对我们双方都安全”达成一致，这就需要达成共识。为了实现安全的共识解决方案，我们采用了基于ADMM的方法。具体来说，我们提出了一个合并的CADMM-OSQP隐式神经网络层，解决了一个小批量的两个，局部二次规划以及整体的共识问题，作为一个单一的优化问题。该层在每个时间步嵌入到深度FBSDEs网络架构中，以促进端到端可微分、安全和分散的随机最优控制。在几个具有挑战性的多机器人任务的模拟所提出的方法的有效性。通过对避碰约束所指定的安全性施加要求，在整个训练过程中确保所有代理的安全操作。我们还展示了优越的可扩展性方面的计算和内存节省相比，一个集中的方法。
2022-06-07 cs.LG cs.MA cs.RO
Asynchronous Distributed ADMM for Large-Scale Optimization- Part I: Algorithm and Convergence Analysis
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Iowa State University（爱荷华州立大学）；University of Minnesota（明尼苏达大学）；East China Normal University（华东师范大学）
本文提出异步分布式ADMM算法，用于解决大规模学习问题，通过共识问题建模，在星型网络上并行求解，克服传统同步计算在异构网络中的效率瓶颈。
2016-02-19 cs.DC cs.LG cs.SY
Scalable Distributed Non-Convex ADMM-based Active Distribution System Service Restoration
分布式恢复可以利用分布式能源（DER），以提高主动配电网的弹性。然而，大量的决策变量，特别是二进制决策变量的重构，带来了挑战，制定有效的分布式配电服务恢复（DDSR）策略。针对非凸混合整数优化问题，提出了一种基于交替方向乘子法（ADMM）的可扩展分布式优化方法，并应用于DDSR框架的开发.非凸ADMM方法由松弛-驱动-抛光阶段组成，1）松弛二进制变量并应用凸ADMM作为热启动; 2）通过邻近算子将解驱动到布尔值; 3）固定获得的二进制变量以抛光连续变量以获得高质量的解。在此基础上，提出了一种自治分簇策略和一致性ADMM，实现了基于分簇的分布式恢复框架。非凸的基于ADMM的DDSR可以确定DER调度和开关状态的重新配置和负载拾取在一个分布式的方式，激励出的服务区从本地故障或大规模配电网的总停电。通过在IEEE 123节点和IEEE 8500节点测试馈线上的测试，证明了DDSR框架的有效性和可扩展性。
2020-08-09 cs.SY eess.SY
Learning Regionally Decentralized AC Optimal Power Flows with ADMM
Georgia Institute of Technology（佐治亚理工学院）
下一代智能电网的一个潜在未来是使用分散式优化算法和安全通信来协调可再生发电（例如，风能/太阳能），可调度设备（例如，煤炭/天然气/核能发电）、需求响应、电池和存储设施以及拓扑优化。乘子交替方向法（ADMM）已被广泛应用于解决此类分散优化问题，特别是交流最优潮流（AC-OPF）。本文研究了机器学习如何帮助加速ADMM求解AC-OPF的收敛。它提出了一种新的分散式机器学习方法，即ML-ADMM，其中每个代理使用深度学习来学习耦合分支上的共识参数。本文还探讨了只从ADMM运行，表现出高品质的收敛性能的想法，并提出了过滤机制来选择这些运行。基于法国系统的测试用例的实验结果表明，该方法在加快ADMM的收敛显着的潜力。
2023-01-22 cs.LG cs.SY eess.SY
Distributed Consensus Optimization with Consensus ALADIN
针对分布式共识优化问题，提出Consensus ALADIN算法及两种高效变体，建立收敛理论并通过非凸传感器分配问题验证有效性。
2025-03-21 cs.SY eess.SY
A Robust Distributed Model Predictive Control Framework for Consensus of Multi-Agent Systems with Input Constraints and Varying Delays
研究了具有输入约束和有界时变通信时滞的一般线性离散多智能体系统的一致性问题。我们提出了一个强大的分布式模型预测控制（DMPC）的共识协议，集成了离线的共识设计和在线DMPC优化，以发挥各自的优势。更准确地说，每个代理都配备了一个离线共识协议，这是先验设计的，取决于它的近邻的估计状态。此外，由于不精确的邻近信息随着时间的推移传播的估计误差被证明有界的温和的技术假设下，在此基础上，一个强大的DMPC策略是故意设计，以实现强大的共识，同时满足输入约束。此外，它表明，与适当设计的代价函数和约束条件，相关的优化问题的可行性，可以递归地确保。在有界变时滞条件下，我们进一步给出了约束MAS的一致收敛结果。最后，通过两个算例验证了分布式一致性算法的有效性.
2022-09-19 cs.SY eess.SY
Alternating Direction Method of Multipliers (ADMMs) Based Distributed Approach For Wide-Area Control
本文提出了一种基于乘子交替方向法的新型分布式广域控制结构，用于阻尼区域间振荡。在这种方法中，首先，互联的电力系统被划分为区域的基础上的一致性分组。其次，在每个区域上分配本地处理器，这些处理器基于拉格朗日乘子使用测量来估计黑盒传递函数模型。这些局部区域处理器然后用于通过全局处理器基于一致性算法来估计电力系统的全局传递函数模型。在收敛之后，导出对应于感兴趣的区域间模式的传递函数残差，以确定最佳广域控制回路。最后，基于此信息设计了广域阻尼控制器。在RTDS/RSCAD和MATLAB联合仿真平台上，通过两个区域和IEEE-39节点的试验系统验证了该控制器的有效性。
2019-07-15 cs.SY eess.SY
Distributed AC-DC Optimal Power Flow in the European Transmission Grid with ADMM
分布式或多区域的最优潮流似乎是有前途的，以应付在大规模电网的计算负担，而没有区域系统运营商失去对各自领域的控制。然而，算法通常在小型测试案例或单个国家进行测试。我们提出了一个现实的案例研究，在互联的欧洲输电网超过5000总线和315吉瓦的负载。网格划分为24个区域，分别对应于各个国家。我们使用全交流模型并集成多端直流系统。分解后的问题通过一种改进的交替方向乘子法（ADMM）来解决，其中单个国家只与每个邻居交换边界节点信息。在发电成本方面，分布式最优潮流问题的解决方案偏离只有0.02%，从集中计算。在200次迭代之前，所有区域之间达成共识，这在如此大的系统中是非常了不起的。
2019-12-09 cs.DC cs.SY eess.SY
ADMM-Based Distributed Kalman-like Observer with Applications to Cooperative Localization
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出一种基于ADMM的分布式卡尔曼似观测器，用于多智能体系统的局部和相对测量状态估计，通过稀疏性保持预测步骤和强凸二次规划实现分布式求解。
2026-04-23 cs.SY eess.SY
Distributed Differential Dynamic Programming Architectures for Large-Scale Multi-Agent Control
在本文中，我们提出了两个新的分散优化框架的多智能体非线性最优控制问题的机器人。这项工作的目的是建议继承差分动态规划（DDP）的计算效率和可扩展性和分布式性质的交替方向乘法器（ADMM）的架构。在这个方向上，引入了两个框架。第一个称为嵌套分布式DDP（ND-DDP），是一个三层架构，采用ADMM强制执行所有代理之间的共识，一个增广拉格朗日层满足本地约束和DDP作为每个代理的优化器。在第二种方法中，共识和本地约束处理ADMM，产生一个两级架构称为合并分布式DDP（MD-DDP），进一步降低了计算复杂度。这两个框架都是完全分散的，因为所有的计算都是并行的代理之间，只有本地通信是必要的。数千辆汽车和数百架无人机的仿真结果验证了该方法的有效性。优越的可扩展性，大规模系统对集中式DDP和集中式/分散式序列二次规划也说明了。最后，多机器人平台上的硬件实验证明了所提出的算法的适用性，同时强调了优化反馈策略以提高对不确定性的鲁棒性的重要性。包括所有结果的视频可在https://youtu.be/tluvENcWldw上获得。
2022-08-06 cs.SY eess.SY
A Global Convergence Analysis of Consensus ALADIN for Convex Optimization
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）；North China University of Water Resources and Electric Power（华北水利水电大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
针对光滑强凸分布式共识优化问题，提出基于C-ALADIN框架的算法，通过辅助变量决定二阶信息更新时机，在保持全局收敛的同时利用曲率信息，数值实验表明优于固定或更新Hessian的基线方法。
2026-06-06 cs.SY eess.SY
Distributed Dynamic Economic Dispatch using Alternating Direction Method of Multipliers
随着分布式能源的激增以及由于计量基础设施的进步而存储的数据量的增加，电力系统操作中的能量管理需要分布式计算。在本文中，我们提出了一个完全分布式的交替方向乘法（ADMM）算法来解决分布式经济调度（ED）问题，其中的优化问题是完全分解的参与代理。在我们提出的框架中，每个代理估计的对偶变量和平均的总功率失配的网络使用动态平均共识，这取代了双更新器在传统的ADMM与分布式替代。与其他分布式ADMM不同，该方法不依赖于任何特定的假设，并捕捉实时需求变化。该算法通过对IEEE 30节点和300节点测试系统的太阳能光伏发电渗透的案例研究进行了成功验证。
2020-05-20 cs.SY eess.SY
Robust Online Learning over Networks
Digital Futures（数字未来机构）；DIEE, University of Cagliari（卡利亚里大学 DIEE 学院）
针对分布式学习中在线训练、异步计算、通信受限不可靠及本地计算不精确等挑战，提出基于ADMM的DOT-ADMM方法，证明其度量次正则下的线性收敛性，验证了其鲁棒性优势。
2024-05-17 cs.LG cs.MA cs.SY
ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation
The Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院）
本文提出基于ADMM的分布式模型预测控制框架，用于四足机器人协作移动Manipulation，通过分解控制问题并结合力感知控制器，实现高效、实时的协作运输重物。
2026-03-07 cs.RO cs.SY eess.SY
Communication-Efficient Distributed Kalman Filtering using ADMM
针对分布式卡尔曼滤波中的通信瓶颈，本文利用增广拉格朗日方法转化约束，并应用ADMM实现仅交换原始变量的高效分布式滤波，且收敛性分析证明估计收敛到全局最优。
2025-01-22 cs.SY eess.SP eess.SY
