کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5000218 1460638 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A distributed hierarchical algorithm for multi-cluster constrained optimization
ترجمه فارسی عنوان
یک الگوریتم سلسله مراتبی توزیع برای بهینه سازی محدود چند خوشه ای
کلمات کلیدی
بهینه سازی توزیع، شیب پیش بینی شده، ارتباطات پیوسته، عامل مجازی،
ترجمه چکیده
در این مقاله، یک مشکل بهینه سازی محدود برای یک سیستم عامل چند خوشه ای بزرگ در نظر گرفته شده است که در آن تعدادی از خوشه ها به صورت پیش فرض وجود دارند. هدف این است که به حداقل رساندن یک تابع هدف جهانی که مجموع توابع هزینه های عوامل محلی چند منظوره با محدودیت های خاص جهانی باشد. برای حل این مشکل، یک الگوریتم سلسله مراتبی توزیع شده بر اساس روش شبیه سازی پیش بینی شده با استفاده از استراتژی های ارتباط همزمان و پیوسته پیشنهاد می شود. ما در ابتدا یک عامل را به عنوان عامل رهبری در هر خوشه اختصاص می دهیم، که می تواند با رهبران خوشه های همسایه اش ارتباط برقرار کند. عوامل در همان خوشه بهینه سازی محلی را انجام می دهند و با عوامل همسایه خود ارتباط برقرار می کنند در حالی که عوامل رهبری خوشه های مختلف به صورت پیوسته اطلاعات را مبادله می کنند. سپس یک طرح برای هر عامل پیشنهاد می شود تا به طور تکراری یک راه حل مشکل بهینه سازی را در یک روش توزیع شده ارزیابی کند. از لحاظ نظری ثابت شده است که راه حل های برآورد شده از همه عوامل به طور اجتناب ناپذیری از راه حل بهینه بدون مشکل، زمانی که گام های انتخاب شده کاهش می یابد. نمونه های عددی برای تایید روش پیشنهادی ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
یک الگوریتم سلسله مراتبی توزیع برای بهینه سازی محدود چند خوشه ای
چکیده انگلیسی
In this paper, we consider a constrained optimization problem for a large-scale multi-cluster agent system, in which a number of clusters already exist as a priori. The aim is to minimize a global objective function being the sum of multi-cluster local agents' cost functions subject to certain global constraints. To solve this problem, a novel distributed hierarchical algorithm based on projected gradient method is proposed by using synchronous and sequential communication strategies. We firstly assign one agent as leader agent in each cluster, which can communicate with the leaders of its neighboring clusters. The agents in the same cluster conduct local optimization and communicate with their neighboring agents synchronously while the leader agents of different clusters exchange information in a sequential way. Then a scheme is proposed for each agent to iteratively estimate a solution of the optimization problem in a distributed manner. It is theoretically proved that the estimated solutions of all the agents reach consensus of the optimal solution asymptomatically when the chosen stepsizes are diminishing. Numerical examples are provided to validate the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 77, March 2017, Pages 230-238
نویسندگان
, , , , ,