【技术实现步骤摘要】
一种保护隐私的分布式零阶对偶平均在线优化方法及系统
[0001]本专利技术属于信息通信
,涉及一种保护隐私的分布式零阶对偶平均在线优化方法及系统
。
技术介绍
[0002]近年来,由于网络控制系统中通信和传感技术的进步,需求各异的优化任务纷纷出现
。
以往传统的集中式优化方法解决这些优化任务时,通常会使用一个中心节点来完成计算
、
通信和存储
。
然而,这种方法容易受到单点故障的影响,在当前的新场景中也缺乏鲁棒性,并且在存储设备上的花费也非常巨大
。
与传统的集中式优化相比,分布式优化方法将大规模问题分解为较小规模的问题,以避免远距离通信
。
同时,分布式优化方法还减少了通信负担,提供了效果更好的隐私保护,并且实现了更好的鲁棒性
。
这使得分布式优化方法在各类领域得到了广泛的应用,比如大规模数据分析,信息控制,智能电网,在线学习等领域
。
[0003]然而,许多分布式优化的实际应用场景具有极大的不确定性,例如无线网络中在线预测和估计问题
。
这些问题可以在在线优化的架构中解决,然而其中与节点相关的功能可能会随着时间的推移而发生变化,而这种变化只能在事后被节点捕获
。
适用于在线优化问题的有效方法有相当多,包括早期基于分布式梯度下降方法的一些研究,以及它们在求解约束问题
、
应用于复杂网络
、
提高效率
、
保护隐私
【技术保护点】
【技术特征摘要】
1.
一种保护隐私的分布式零阶对偶平均在线优化方法,其特征在于:该方法针对时变有向网络中具有共同约束集的分布式在线优化目标,通过使用零阶梯度而不是计算真正的次梯度信息来适应目标函数未知的情形;通过构造行随机矩阵并利用辅助变量对零阶梯度进行重新标度,克服时变有向网络引起的不平衡性问题;通过采用差分隐私策略来保护正常参与节点的隐私
。2.
根据权利要求1所述的一种保护隐私的分布式零阶对偶平均在线优化方法,其特征在于:在本方法中,所述时变有向网络包括:对于整数
n
>1,定义
V
=
{1,2,3,
…
,n}
,有向网络
G
=
{V,E}
由有序节点对的边集指定,每个节点
i
的外邻居集和内邻居集分别用和表示;在网络随时间变化的情况下,使用下标
t
来表示时间;
G
t
表示网络,
E
t
表示网络
G
t
的边集,和分别表示节点
i
在时刻
t
的外邻居和内邻居的集合;相关矩阵如果满足
(j,i)∈E
t
的条件,那么否则假设在
t
时刻时,有向网络中的每个节点只能访问从其内邻居节点传输过来的信息,并且信息在通道中传输,通道环境良好,不会发生延迟
、
丢包和拥塞;在此基础上,每个节点利用每个时刻
t
通道中其内邻居传输的信息来相应地完成其迭代;该通信网络还符合以下假设:当时刻
t≥1
时,存在一个整数
B≥1
,使得由边集构成的网络强连通;矩阵在时刻
t
是列随机的,即
3.
根据权利要求2所述的一种保护隐私的分布式零阶对偶平均在线优化方法,其特征在于:在本方法中,网络上各节点在
t∈{1,
…
,T}
时刻的目标是协同优化如下问题:其中是一个非空的闭凸集,
x∈
Ω
是一个全局决策向量;此外,在
t
时刻,每个节点
i
只能在决策向量决定后,才能访问
f
ti
的值,即每个节点
i
不能获取
f
ti
的显式形式,这种设置通常被称为在线和强盗反馈场景;在这里,任何节点都访问不了同时,该问题模型满足以下假设:
1)
存在两个常数
d,D>0(d<D)
,使得每个局部损失函数
f
ti
(x)
在
Ω
上是
K
‑
Lipschitz
连续的,即任意
a,b∈
Ω
...
【专利技术属性】
技术研发人员:吕庆国,张可可,廖晓峰,陈英珏,邓绍江,李华青,李艳涛,李冬,
申请(专利权)人:重庆大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。