网络化多智能体系统的分布式优化算法
￥ 40.5 6.9折 ￥ 59 全新
库存3件
四川成都
认证卖家担保交易快速发货售后保障
作者朱军龙 等
出版社清华大学出版社
ISBN9787302580997
出版时间2021-05
装帧平装
开本32开
定价59元
货号1202411614
上书时间2024-06-30
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
朱军龙，博士（后）、河南科技大学副教授，中国自动化学会青年工作委员会委员，研究方向为分布式优化理论、强化学习理论，主持国家自然科学基金面上项目1项、省部级项目2项；在IEEE Transactions、电子学报等国内外知名期刊发表论文15篇；在科学出版社出版专著1部（第二）；授权发明0余项，其中发明人2项；获河南省科技进步奖二等奖1项、三等奖1项。
目录
章 绪论
1.1 研究背景与意义
1.2 外研究现状
1.2.1 分布式离线优化算法
1.2.2 分布式在线优化算法
参考文献
第2章 分布式随机次梯度投影算法
2.1 引言
2.2 算法设计
2.3 主要结果
2.4 收敛性能分析
2.5 本章小结
参考文献
第3章 异步的分布式次梯度随机投影算法
3.1 引言
3.2 算法设计
3.3 主要结果
3.4 收敛性能分析
3.5 误差界分析
3.6 本章小结
参考文献
第4章 量化信息与随机网络拓扑的扩散小均方算法
4.1 引言
4.2 扩散算法
4.3 算法设计
4.3.1 随机网络拓扑模型
4.3.2 抖动量化模型
4.3.3 随机网络与抖动量化的扩散策略
4.4 均方收敛分析
4.5 稳态性能分析
4.6 仿真结果
4.7 本章小结
参考文献
第5章 分布式随机次梯度在线优化算法
5.1 引言
5.2 问题描述与算法设计
5.2.1 问题描述
5.2.2 算法设计
5.3 主要结果
5.4 算法性能分析
5.5 仿真实验
5.6 本章小结
参考文献
第6章 差分隐私的分布式在线优化算法
6.1 引言
6.2 基本概念与定义
6.2.1 图论
6.2.2 差分隐私
6.3 问题描述及算法设计
6.3.1 问题描述
6.3.2 算法设计
6.4 主要结果
……
第7章 分布式条件梯度在线学习算法
第8章 基于随机块坐标的分布式在线无投影算法
第9章 基于事件驱动的分布式在线无投影算法
内容摘要
本书在归纳分析外关于网络化多智能体系统分布式优化算法的基础上，研究了针对异步通信、量化信息、隐私保护、高维约束、事件驱动等具体需求的网络化多智能体系统的分布式优化算法，主要内容包括：①系统建模——构建满足具体需求的网络化多智能体系统模型，如有向/无向通信、动态/静态网络拓扑、时变/非时变代价函数等，为算法设计与分析提供了模型基础；②算法设计——针对具体问题，采用恰当的技术方案，如随机梯度、差分隐私、条件梯度、随机块坐标等，设计高效的分布式优化算法，解决实际应用场景的具体优化问题；③证明与分析——针对提出的算法，通过严格的数学证明与分析，证明了算法的正确性和有效性，分析了算法的Regret界，为算法的应用奠定了基础：④仿真实验——利用公开的数据集验证了部分算法性能和理论分析的结果。本书可以作为计算机科学与技术、控制科学与工程、人工智能、优化理论等专业硕士研究生、博士研究生的专业课教材，也可供计算机科学与技术、控制科学与工程、人工智能、网络优化等领域的科技人员参考。
主编推荐
本书研究了针对异步通信、量化信息、隐私保护、高维约束、事件驱动等具体需求的网络化多智能体系统的分布式优化算法。
— 没有更多了 —
以下为对购买帮助不大的评价