Distributed payoff allocation in coalitional games via time varying paracontractions
我们提出了一个部分运营商理论的表征的可接近性原则，并基于此特征，我们解释了一个特定的分布式支付分配算法是一个序列的时变paracractions。此外，我们还提出了一个分布式算法，在联盟博弈的背景下，时变通信网络。所提出的算法中的状态收敛到预定义的期望集合内的共识。对于收敛性分析，我们依赖于仿收缩的算子理论性质。
2019-11-28 cs.GT cs.SY eess.SY
Distributed Safety-Critical Control of Multi-Agent Systems with Time-Varying Communication Topologies
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Western Washington University（西华盛顿大学）；University of Washington（华盛顿大学）
本文提出一种基于分布式优化的控制框架，通过截断函数和辅助不匹配变量处理时间变化通信拓扑下的多智能体协同与避障问题。
2026-04-12 cs.SY eess.SY
Predictive Triggering for Distributed Control of Resource Constrained Multi-agent Systems
提出了一种用于资源受限多智能体系统分布式控制的预测触发框架。通过预测未来的通信需求并导出概率优先级度量，PT框架能够提前分配有限的通信资源。该框架进行了评估，通过仿真的合作自适应巡航控制系统和多代理车杆系统的实验。这些研究的结果表明，它的有效性比其他事件触发的设计，在减少网络利用率，同时也改善了系统的控制误差。
2019-07-29 cs.SY eess.SY
Fast and Stable Nonconvex Constrained Distributed Optimization: The ELLADA Algorithm
分布式优化是一种解决大规模优化问题的有前途的方法，其中使用多个代理以局部和协调的方式执行计算，例如，在大规模工厂的模型预测控制（MPC）中出现的那些。然而，分布式优化算法，计算效率高，全局收敛，服从非凸约束和一般的子系统间的相互作用仍然是一个悬而未决的问题。在本文中，我们结合了三个重要的修改，经典的交替方向的乘法器（ADMM）的分布式优化。具体而言，（i）一个额外的层结构，以适应非凸性和处理不等式约束，（ii）等式约束的非线性规划（NLP）问题被允许近似解决，（iii）一个修改的安德森加速，以减少迭代次数。理论收敛到固定的解决方案和计算复杂性的算法，命名为ELLADA，建立。它的应用程序的分布式非线性预测控制也描述和说明通过一个基准过程系统。
2020-04-04 cs.SY eess.SY
Scale-free Distributed Cooperative Voltage Control of Inverter-based Microgrids with General Time-varying Communication Graphs
提出了一种新的无标度分布式协调控制器，用于控制基于逆变器的微电网电压。通信网络建模的一般时变图，增强了所提出的协议对通信链路故障，数据包丢失，快速即插即用操作中存在的任意通信延迟的弹性。所提出的无标度分布式协作控制器独立于关于通信系统和网络大小的任何信息（即，分布式发电机的数量）。所提出的协议的稳定性分析。在CIGRE中压微网试验系统上进行了仿真。仿真结果表明，所提出的无标度分布式非线性协议的可行性，调节微电网的电压存在通信故障，数据包丢失，噪声，和退化。
2021-03-22 cs.SY eess.SY
Distributed Stochastic Optimization With Unbounded Subgradients Over Randomly Time-Varying Networks
针对随机时变网络中的分布式优化问题，本文提出带噪声次梯度算法，并在条件平衡与一致条件联合连通条件下证明其几乎必然收敛到全局最优解。
2024-12-31 cs.SY eess.SY
Distributed Model Predictive Control for Optimal Consensus of Constrained Heterogeneous Multi-agent Systems
The Hong Kong University of Science and Technology（香港科技大学）；The University of Hong Kong（香港大学）；HKU Shenzhen Institute of Research and Innovation（香港大学深圳研究院创新）；Beihang University（北京航空航天大学）；Peking University（北京大学）
本文针对约束异构多智能体系统，在MPC框架下同时优化控制输入序列与一致性平衡点，开发分布式原始-对偶算法并建立终端条件，经数值仿真验证了所提分布式最优一致性控制方法的有效性。
2026-08-31 cs.SY eess.SY
Distributed robust secondary frequency control of inverter-based microgrids under time-varying communication delays
本文针对基于逆变器的微电网，提出一种结合线性共识与积分滑模控制的分布式鲁棒二次频率控制策略，以在时变通信延迟下实现频率同步与有功功率共享，并通过Lyapunov分析和线性矩阵不等式保证稳定性，仿真验证了有效性。
2023-07-26 cs.SY eess.SY
A Distributed Primal-Dual Method for Constrained Multi-agent Reinforcement Learning with General Parameterization
School of ECE, College of Engineering, University of Tehran（德黑兰大学工程学院电气与计算机工程学院）；School of Computer Science, Institute for Research in Fundamental Sciences (IPM)（基础科学研究所计算机学院）
本文提出了一种分布式方法，解决约束多智能体强化学习问题，通过局部信息估计拉格朗日乘数，实现完全去中心化的在线学习，分析算法收敛性及近似解的最优性。
2026-05-07 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
Distributed Search Planning in 3-D Environments With a Dynamically Varying Number of Agents
本文提出一种面向三维环境的分布式搜索规划框架，利用模型预测控制应对智能体数量动态变化，在线生成协同搜索轨迹以提升搜索性能并减少重复工作。
2023-04-18 cs.SY eess.SY
Distributed Time-Varying Gaussian Regression via Kalman Filtering
本文提出 DistKP 算法，利用分布式卡尔曼滤波实现高斯过程回归的时变函数学习，适用于任意核且假设更弱，并通过无人机风场学习仿真验证有效性。
2025-04-21 cs.SY eess.SY
Chance-Constrained ADMM Approach for Decentralized Control of Distributed Energy Resources
Tandon School of Engineering, New York University（纽约大学坦顿工程学院）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）
本文提出一种基于机会约束的ADMM方法，用于分布式能源资源的去中心化控制，通过局部功率流测量设计控制器，以维持电压和功率流动在限值内并缓解光伏资源的波动性。
2018-03-09 cs.SY eess.SY
Differentially Private Distributed Stochastic Optimization with Time-Varying Sample Sizes
本文针对时变样本量的差分隐私分布式随机优化，提出两时间尺度随机逼近算法，通过梯度与输出扰动实现有限隐私预算下的无限迭代差分隐私，并保证收敛性，数值实验验证了其有效性。
2024-03-17 cs.SY eess.SY
Robust Constrained Consensus and Inequality-constrained Distributed Optimization with Guaranteed Differential Privacy and Accurate Convergence
本文协同设计分布式优化与差分隐私噪声机制，提出可在无限迭代下保证精确收敛和 ε-差分隐私的不等式约束优化算法，并给出隐私约束一致性算法。
2024-04-02 cs.SY eess.SY math.OC
A Distributed Observer for a Continuous-Time Linear System with time-varying network
本文提出了一种结构简单的分布式观测器，用于估计连续时间、联合可观测、无输入、线性系统的状态，该系统的输出分布在一个时变网络中。它解释了如何设计一个增益$g$在观察员，使他们的状态估计误差都收敛到零指数快速在一个固定的，但任意选择的速度提供网络的图形是强连接的所有时间。当网络的图分别根据具有停留时间或平均停留时间的切换信号切换时，提供了$g$的线性不等式。当网络图的随机矩阵为双随机矩阵时，在任意切换信号下，证明了$g$的存在性。这是通过利用几个著名的性质不变的子空间和性质的扰动系统。
2020-03-03 cs.SY eess.SY
Time-varying formation tracking of multiple manipulators via distributed finite-time control
Huazhong University of Science and Technology（华中科技大学）
本文研究了在固定和切换有向图下，具有动态领导者（加速度变化较慢）的多机械臂系统（MMSs）的时变编队跟踪问题，提出了一种扩展逆动力学控制算法结合分布式滑模估计器，建立了全局有限时间稳定的新型判据，并通过数值实验验证了理论结果。
2016-07-26 cs.SY eess.SY
Robust Adaptive Neural Network Control of Time-Varying State Constrained Nonlinear Systems
本文研究一类非常简单的未知非线性系统的跟踪控制问题。在本文中，我们提出了一种设计策略的跟踪控制的时变状态约束非线性系统的自适应框架。控制器的设计采用反推方法。在设计时，采用了障碍李雅普诺夫函数（BLF），使状态变量不违反约束条件。为了处理系统的未知动态，在线逼近器的设计使用神经网络与一种新的自适应法律的权重更新。为了使控制器的鲁棒性和计算成本低，干扰观测器的建议，以应付随着神经网络逼近误差和虚拟控制输入的时间导数的干扰。通过仿真研究证明了所提出的方法的有效性。
2022-10-09 cs.SY eess.SY
Distributed State Estimation for Linear Time-Varying Systems with Sensor Network Delays
针对传感器网络时延影响线性时变系统分布式状态估计的问题，提出基于稳定裕度的传感器子集选择算法，在2000节点仿真中性能接近最优穷举贪心算法且效率更高。
2023-04-29 cs.SY eess.SY
Payoff distribution in robust coalitional games on time-varying networks
在本文中，我们考虑了一系列可转移效用（TU）联盟博弈，其中联盟值未知但在一定范围内变化。作为一个解决方案，由此产生的家庭的游戏，我们正式的概念“强大的核心”。我们的主要贡献是设计两个分布式算法，即分布式支付分配和分布式讨价还价，收敛到一个协商一致的支付分布在强大的核心。我们通过运营商理论的角度来显示收敛的算法上执行随时间变化的通信网络。能量存储优化应用程序激励我们的框架“强大的联盟游戏”。
2020-10-16 cs.SY eess.SY
Hopfield Neural Networks for Online Constrained Parameter Estimation with Time-Varying Dynamics and Disturbances
本文提出两种基于投影的Hopfield神经网络估计器，用于在线受限参数估计，通过约束意识和补偿机制提高估计精度与鲁棒性。
2025-11-26 cs.SY eess.SY
Distributed and time-varying primal-dual dynamics via contraction analysis
在本说明中，我们提供了一个总体分析的原始对偶动力学与线性等式约束优化问题使用收缩分析。对于著名的标准版本的问题：我们建立凸下的收敛性和强凸下的收缩率。然后，对于一个典型的分布优化问题，我们使用部分压缩性建立其原始-对偶动力学的全局指数收敛性。作为应用，我们提出了一个新的分布式求解器的最小二乘问题具有相同的收敛保证。最后，对于集中式和分布式原始对偶动态的时变版本，我们利用它们的收缩性质来建立它们的跟踪误差的界限。为了支持我们的分析，我们介绍新的结果收缩理论。
2021-06-19 cs.MA cs.SY eess.SY
Distributed Control of Multi-agent Systems with Unknown Time-varying Gains: A Novel Indirect Framework for Prescribed Performance
针对具有未知时变增益的网络化不确定非线性严格反馈系统，在有向交互拓扑结构下，建立了一种新的间接性能保证框架.所提出的框架包括两个步骤：在第一个，一个完全分布式的鲁棒滤波器被构造为估计每个代理的期望轨迹与保证的观察性能，允许代理之间的方向是不相同的。第二种方法通过建立Nussbaum函数的引理，基于反步技术为每个智能体设计了一种新的自适应控制协议，不仅使输出渐近跟踪相应的估计信号，且具有任意的瞬态性能，而且由于允许未知控制增益是时变的，甚至是状态依赖的，因此大大扩展了应用范围.以这种间接的方式，根本的问题是解决与输出跟踪误差收敛到一个任意预先指定的残差集表现出任意预定义的收敛速度。此外，所有的内部信号被确保是半全局最终一致有界的（SGUUB）。最后，仿真结果表明了该方案的有效性。
2022-07-12 cs.SY eess.SY
Performance Constrained Distributed Event-triggered Consensus in Multi-agent Systems
本文提出了一种分布式事件触发一致性方法，用于线性多智能体系统，保证收敛速率、抗控制增益不确定性以及设计参数的帕累托最优性，即事件触发阈值（ET）和控制增益。通过将事件触发一致性问题转换为等效系统的稳定性问题，并利用Lyapunov稳定性定理将性能约束纳入其中，采用近似线性标量化方法，通过求解凸约束优化问题同时设计ET和控制增益，无需全局信息即可局部优化。通过实验多智能体系统的仿真验证了所提方法的有效性。
2019-06-13 cs.SY eess.SY
Constrained Distributed Algebraic Connectivity Maximization in Robotic Networks
Delft University of Technology（代尔夫特理工大学）
针对移动机器人网络，通过分布式半定规划（SDP）优化机器人位置以最大化通信图的代数连通性，并基于局部可计算度量调整通信负载。
2012-09-28 cs.SY eess.SY
Stability Analysis of Distributed Estimators for Large-Scale Interconnected Systems: Time-Varying and Time-Invariant Cases
本文针对大规模互联系统提出分布式估计器，通过解耦变量与DMRE实现子系统稳定性独立于全局，并证明时不变情形下估计器收敛至唯一稳态。
2024-11-10 cs.SY eess.SY
Chance Constrained Stochastic Optimal Control for Linear Systems with a Time Varying Random Control Matrix
针对控制矩阵随机的线性系统，本文提出一种基于单侧Vysochanskij-Petunin不等式的开环机会约束最优控制方法，将联合机会约束转化为双凸约束，并在航天器交会任务中验证其优于场景法和Cantelli矩方法。
2023-08-12 cs.SY eess.SY math.OC
Distributed Adaptive Time-Varying Optimization with Global Asymptotic Convergence
针对多智能体时变优化，本文提出由死区算法桥接平均估计器与自适应优化器的分布式算法，证明全局渐近收敛并扩展至一般代价函数。
2024-08-03 cs.SY eess.SY math.OC
Reinforcement Learning and Distributed Model Predictive Control for Conflict Resolution in Highly Constrained Spaces
University of California, Berkeley（加州大学伯克利分校）
本文提出了一种分布式算法，用于解决高度受限空间中的多车辆协同冲突问题。通过将冲突解决问题制定为多智能体强化学习（RL）问题，我们可以离线训练策略，以在简化的离散环境中安全有效地驾驶车辆驶向目的地。在在线执行过程中，每个车辆首先用训练好的策略模拟车辆之间的交互，以获得其策略，该策略用于指导参考轨迹的计算。然后，提出了一种分布式模型预测控制器（MPC）跟踪的参考，同时避免冲突。初步结果表明，RL和分布式MPC的组合有可能引导车辆安全顺利地解决冲突，同时比集中式方法的计算要求更低。
2023-02-03 cs.RO cs.SY eess.SY
A Note on Optimal Distributed State Estimation for Linear Time-Varying Systems
Universidad de Zaragoza（萨拉戈萨大学）
本文证明 ODEFTC 是连续时间随机线性时变系统的首个最优分布式状态估计器，可渐近达到集中式 Kalman-Bucy 滤波器的误差协方差性能，并给出保证稳定性的一致性增益条件。
2025-10-21 cs.SY eess.SY math.OC
Fast Distributed Coordination of Distributed Energy Resources Over Time-Varying Communication Networks
在本文中，我们考虑的问题，最佳协调响应的一组分布式能源（DER），使他们共同满足所需的电力收集的负载，同时最大限度地减少总发电成本和尊重DER容量限制。该问题可以被转换为凸优化问题，其中全局目标是最小化对应于各个DER发电成本的凸函数的总和，同时满足（i）对应于DER容量限制的线性不等式约束和（ii）对应于由DER产生的总功率等于总功率需求的线性等式约束。我们开发分布式算法来解决DER协调问题随时间变化的通信网络，无论是双向或单向的通信链路。所提出的算法可以看作是一个集中式原始对偶算法的分布式版本。有向通信图的算法提出了几何收敛速度，即使通信出度是未知的代理。我们展示了所提出的算法，使用标准的IEEE 39总线测试系统，并将其性能与文献中提出的其他算法进行比较。
2020-05-04 cs.MA cs.SY eess.SY
Distributed Time-Varying Optimization via Unbiased Extremum Seeking
Harbin Institute of Technology（哈尔滨工业大学）；Tel-Aviv University（特拉维夫大学）；University of California San Diego（加州大学圣迭戈分校）
本文提出一种基于无偏极值搜索的分布式时变优化框架，无需导数信息，支持有向图、可调收敛速率，并通过李括号平均和LMI条件保证收敛，数值实验验证有效。
2026-09-09 cs.SY eess.SY math.OC
Chance-constrained DC Optimal Power Flow with Non-Gaussian Distributed Uncertainties
机会约束规划（CCP）是处理最优潮流（OPF）中不确定性问题的一种有效方法。然而，传统的CCP通常假设不确定性服从高斯分布，这可能与现实不符。少数文献采用高斯混合模型（GMM）将CCP扩展到非高斯不确定性的情况，但它们只适用于右侧不确定性的情况，而不适用于包含左侧不确定性的直流最优潮流。为了解决这个问题，我们开发了一个易于处理的基于GMM的机会约束直流最优潮流模型。在这个模型中，我们不仅利用GMM捕捉非高斯分布的不确定性的概率特性，但也开发了一种线性化技术，以重新制定的机会约束与非高斯分布的不确定性的左手边到易于处理的形式。通过数学证明，证明了相应的重构是原问题的安全近似，保证了解的可行性。
2022-01-25 cs.SY eess.SY math.OC
Robust Distributed Fixed-Time Economic Dispatch under Time-Varying Topology
定义北美电网的集中式发电基础设施正在慢慢转向分布式架构，这是由于可再生能源和分布式能源（DER）的使用激增，例如住宅太阳能，风力涡轮机和电池存储。此外，可变的定价政策和大量的灵活负载需要从各个发电单元所需的功率输出的频繁和严重的变化，需要快速的功率分配的可用性。为此，提出了一种固定时间收敛的，完全分布式的经济调度算法，用于在一组DER之间调度最优发电。该算法结合了负荷平衡和发电容量约束。
2020-08-27 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control for Linear Systems with Time Varying Random Plant Parameters
本文针对状态矩阵含时变随机参数的线性系统，利用单侧Vysochanskij-Petunin不等式将联合机会约束转化为可处理形式，提出一种开环控制方案，并在双母线电力系统中验证其求解时间优于情景方法。
2023-03-22 cs.SY eess.SY math.OC
Distributed MPC with Prediction of Time-Varying Communication Delay
Freie Universität Berlin（柏林自由大学）；Universität Kassel（卡塞尔大学）
本文提出将分布式模型预测控制与信息调度相结合，通过动态通信网络模型和预测调度算法预测通信延迟，提升子系统控制性能。
2018-09-14 cs.SY eess.SP eess.SY
Distributed Optimal Power Flow Algorithms Over Time-Varying Communication Networks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文研究了如何通过求解最优功率流（OPF）问题来协调分布式能源资源（DERs）在配电网中的最优响应。提出了一种能够在时变通信网络上运行且具有几何收敛速度的分布式算法，并通过数值模拟验证了理论结果。
2020-05-06 cs.MA cs.SY eess.SY
Distributed Optimization with Coupled Constraints over Time-Varying Digraph
Gwangju Institute of Science and Technology（光州科学技术院）
本文提出一种分布式算法，用于解决具有耦合约束的分布式凸优化问题，通过分解和对偶方法实现隐私保护的完全分布式求解，保证了强凸性下的O(1/k)收敛性。
2026-04-12 cs.SY eess.SY math.OC
Robustly Maximal Utilisation of Energy-Constrained Distributed Resources
Imperial College London（帝国理工学院）；TU Delft（代尔夫特理工大学）
本文研究了在时间序列功率需求下如何调度分布式储能设备以最大化孤立电力系统的生存时间，并提出了一种达到最优性的策略，证明了无论实际能量需求如何，该策略都是最优的。
2018-03-11 cs.SY eess.SY math.OC
Online Proximal-ADMM For Time-varying Constrained Convex Optimization
本文考虑了一个带成本和约束的凸优化问题，该问题随时间演化。要最小化的函数是强凸的，可能是不可微的，变量通过线性约束耦合。在这种情况下，本文提出了一种基于交替方向乘法（ADMM）的在线算法，跟踪时变问题的最优解轨迹，特别是，该算法由原始的近端梯度下降步骤和适当扰动的双上升步骤。本文推导出跟踪结果，渐近界，线性收敛结果。然后将该算法应用于一个多区域电网优化问题，数值结果验证了算法的有效性。
2021-01-12 cs.SY eess.SY math.OC
Communication-Efficient Distributed Online Nonconvex Optimization with Time-Varying Constraints
针对时变有向图下带时变约束的分布式在线非凸优化问题，提出两种带压缩通信的分布式 bandit 在线原对偶算法，证明其具有次线性网络遗憾和累积约束违反界，Slater 条件下约束违反界更小，并通过仿真验证。
2025-11-18 cs.SY eess.SY math.OC
Distributed Resource Allocation over Time-varying Balanced Digraphs with Discrete-time Communication
本文研究了在连续时间环境下的分布式资源分配问题，同时考虑了在无限连通平衡有向图上的离散时间通信。我们提供了一个被动为基础的连续时间算法的角度来看，间歇性的通信计划的基础上开发。特别地，通过分析每个节点处的分布式动态的输出采样的无源性退化，首先导出周期性通信方案。在此基础上，进一步提出了一种异步分布式事件触发机制。基于采样的事件触发通信方案不受Zeno行为的影响，因为最小事件间时间是采样周期的下界。该算法中的参数仅依赖于每个节点的局部信息，可以以真正的分布式方式进行设计
2021-01-15 cs.MA cs.SY eess.SY
Distributed Constraint-Coupled Optimization via Primal Decomposition over Random Time-Varying Graphs
本文解决了大规模的，凸优化问题，需要解决一个分布式的方式，根据一个随机时变图的代理通信。具体来说，网络的目标是最小化本地成本的总和，同时满足本地和耦合约束。代理根据时变模型进行通信，其中底层连通图的边在每次迭代时以一定的非均匀概率活跃。通过依赖于一个原始的分解方案应用到一个等价的问题重新制定，我们提出了一种新的分布式算法，其中代理商谈判的本地分配的总资源只有邻居与积极的通信链路。该算法被研究为一个次梯度方法与块式更新，其中块对应于在每次迭代中活跃的图边缘。由于这种分析方法，我们表明几乎必然收敛的最佳成本的原始问题和几乎必然渐近原始恢复，而不诉诸平均机制通常采用对偶分解方案。显式的次线性收敛速度的假设下，提供了减少和恒定的步长。最后，一个广泛的数值研究插入式电动汽车充电问题证实了理论结果。
2020-10-27 cs.SY eess.SY math.OC
Distributed State Estimation for Jointly Observable Linear Systems over Time-varying Networks
本文针对时变网络上的联合可观测线性系统，提出分布式观测器设计，利用平均连通性条件实现指数收敛的状态估计，并给出稳定性分析及实例验证。
2023-08-29 cs.SY eess.SY math.OC
Distributed Control of Angle-constrained Circular Formations using Bearing-only Measurements
National University of Singapore（新加坡国立大学）；Temasek Laboratories, National University of Singapore（南洋实验室）
针对平面内多智能体仅通过局部方位测量实现角度约束圆形编队的问题，提出一种分布式控制律，基于Lyapunov方法证明其能保证局部指数稳定性和有限时间稳定性，且可通过参数切换。
2012-10-30 cs.SY eess.SY math.OC
Distributed Stochastic Constrained Composite Optimization over Time-Varying Network with a Class of Communication Noise
研究了一类带有通信噪声的时变网络上分布式随机多智能体约束最优化问题。本文考虑的问题，在复合优化设置，这是更普遍的文献中的噪声网络优化。值得注意的是，现有的主流噪声网络优化方法是基于欧几里德投影。基于Bregman投影的镜像下降格式，提出了一种非欧方法，并研究了其收敛性。这种方法是分布式随机复合镜像下降型方法（DSCMD-N），它提供了一个更通用的算法框架。得到了DSCMD-N的一些新的误差界。据我们所知，这是第一个工作，分析和推导的收敛速度的优化算法在噪声网络优化。在适当的通信噪声条件下，我们还证明了该方法在非光滑凸优化下可以得到一个最优的$O(1/\sqrt{T})$速率。在期望收敛性、高概率收敛性和几乎必然收敛性方面得到了新的收敛结果。
2022-12-19 cs.SY eess.SY math.OC
Distributed Articulation Point Identification in Time-Varying Undirected Networks
College of Electrical Engineering, Zhejiang University（浙江大学电气工程学院）；State Key Laboratory of Industrial Control Technology, Zhejiang University（浙江大学工业控制技术国家重点实验室）
本文提出了一种分布式算法，用于在时间变化无向网络中快速识别关节点并监测双连通性，通过增量更新协议减少通信开销并保护网络隐私。
2025-12-04 cs.SI cs.SY eess.SY
DC-DistADMM: ADMM Algorithm for Constrained Distributed Optimization over Directed Graphs
本文提出了一种求解具有公共决策变量、局部线性等式和不等式约束以及集合约束的多智能体分布式优化问题的算法，该算法具有收敛速度保证。\textcolor{black}{The algorithm accrues all the benefits of the Alternating Direction Method of Multipliers (ADMM) approach}。它还克服了现有方法的局限性，凸优化问题的线性不等式，等式和集合约束，允许有向通信拓扑。此外，该算法可以分布式综合。所开发的算法具有：（i）当各个函数是凸的但不一定是可微的时，$O(1/k)$的收敛速率，其中$k$是迭代计数器，以及（ii）当目标函数是光滑的并且在最优解处被限制为强凸的时，收敛到最优解的任意小邻域的几何速率。该算法的有效性进行评估，通过比较与国家的最先进的约束优化算法在解决一个约束分布式$\ell_1$正则化逻辑回归问题，和无约束优化算法在解决一个$\ell_1$正则化Huber损失最小化问题。此外，该算法的性能与其他算法在文献中，利用多个通信步骤的比较。
2022-08-24 cs.SY eess.SY math.OC
Time-Varying Coverage Control: A Distributed Tracker-Planner MPC Framework
Institute for Dynamic Systems and Control (IDSC), ETH Zürich（动态系统与控制研究所（IDSC），苏黎世联邦理工学院）
本文提出一种分布式跟踪器-规划器MPC框架，用于非线性约束下的时变覆盖控制，并给出收敛性、安全性与递归可行性保证，最终通过四辆微型赛车硬件实验验证。
2025-07-02 cs.RO cs.SY eess.SY
One-Point Sampling for Distributed Bandit Convex Optimization with Time-Varying Constraints
针对时变约束下的分布式强盗凸优化问题，提出一种基于一点采样的分布式在线原始-对偶投影算法，实现次线性动态网络遗憾与约束违反，并给出静态遗憾界及数值验证。
2025-04-24 cs.SY eess.SP eess.SY
Online Interior-point Methods for Time-varying Equality-constrained Optimization
提出首个支持时变等式约束的无投影在线凸优化算法OIPM-TEC，推导其次线性动态遗憾与约束违反界，并设计高效变体epsilon-OIPM-TEC，在最优潮流问题中验证了性能。
2024-05-31 cs.SY eess.SY math.OC
Distributed Gaussian Learning over Time-varying Directed Graphs
Boston University（波士顿大学）；University of Illinois（伊利诺伊大学）
本文提出一种分布式非贝叶斯学习算法，用于高斯噪声下的参数估计，通过显式更新高斯信念参数，证明了收敛率和几乎必然收敛性。
2016-12-07 cs.LG cs.MA cs.SY
Operating envelopes for the grid-constrained use of distributed flexibility in balancing markets
本文提出用运行包络（OE）保障集中式平衡市场中分布式灵活性的电网安全采购，比较一步与两步OE方法，发现两步法更安全但效率较低。
2024-06-25 cs.SY eess.SY math.OC
Distributed optimization over time-varying directed graphs
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对时变有向通信图上的分布式优化问题，提出基于广播的次梯度推送算法，在次梯度有界假设下实现所有节点收敛到最优值，收敛率为O(ln(t)/√t)。
2014-03-16 cs.DC cs.SY eess.SY
