[发明专利]一种基于离散迭代的双事件驱动分布式优化方法

说明书

本发明属于通信数据分布式优化技术领域，公开了一种基于离散迭代的双事件驱动分布式优化方法，基于双事件驱动通信机制，网络节点接收到的传输信息仅仅为其邻居节点驱动时刻辅助变量的信息；结合自身的驱动时刻的信息计算出优化状态，直到辅助变量收敛，得出优化状态的收敛值；代入原优化函数得最优值。本发明能够在强连通平衡有向通讯网络下解决等式约束条件下的凸优化问题，并且可以避免系统初始化；采样双事件驱动通信策略，最大程度避免了通信资源的浪费、节省了通信成本。同时，本发明基于离散迭代机制，自然地避免了Zeno现象。本发明为有向通讯网络下的分布式优化的应用奠定了理论基础，扩大了其应用范围。

技术领域

本发明属于通信数据分布式优化技术领域，尤其涉及一种基于离散迭代的双事件驱动分布式优化方法。

背景技术

目前，最接近的现有技术：随着科技的发展，特别是大数据与网络化的迅速发展，分布式优化技术越来越受到人们的青睐。分布式优化是通过多智能体之间的有效协作来实现优化的任务，用来解决许多集中式优化算法难以解决的大规模复杂的优化问题。分布式优化在智能电网、传感器网络、机器学习以及信息物理系统等领域具有广阔的应用前景。特别是在电力系统的优化运营与管理中，分布式优化技术被用来解决具有等式约束的经济调度问题。起初，该问题是以集中式优化的方式来解决的，最具代表性的集中式方法就是拉格朗日乘子法，在网络规模较小时，可以直接得到最优解。集中式方法需要一个中心处理单元来处理所有网络节点上的各种信息数据，网络数据需要汇集到该中心处理单元进行统一处理。但是，随着网络规模的增长与结构复杂化，中心处理单元需要大量采集、处理和传输所有信息，使得优化效率急剧下降。在信息传输不畅时，所有信息很难被集中处理，存在单点失效、鲁棒性差等问题。因此，分布式优化技术受到了广大科研工作者的极大关注。网络节点仅仅需要和邻居节点进行信息交流，不需要把所有信息集中起来统一处理，能够有效避免集中式优化算法的单点失效与鲁棒性差的问题。目前很多工作都借助于多智能体一致性思想，采用图论相关知识和Lyapunov稳定性理论进行研究。主要工作集中于连续通信下的分布式优化算法设计，并没有考虑通信网络资源是有限的，连续的通信会浪费大量的网络资源以及整个系统的能源消耗，而且很多算法需要特殊的初始化处理。针对这些问题，事件驱动通信是一个不错的选择，它能有效避免没有必要的通信传输，仅仅在系统不满足性能要求时进行通信传输，能够有效节省通信与成本。但是，目前基于一致性思想的事件驱动优化方法大多基于连续时间和无向连通的通信网络，并需要进行特殊的初始化处理。在有向网络下，由于信息是单向传播，网络节点之间不可能直接获得彼此相关信息，现有技术很难在有向通信网络下解决诸如具有等式约束的经济调度优化问题。

综上所述，现有技术存在的问题是：

(1)现有的集中式优化技术存在单点失效、鲁棒性差等问题，甚至在网络规模增大时不可使用，使得优化失败。

(2)现有的分布式优化技术连续的信息采集、处理与传输会浪费大量的网络资源以及增加整个系统的能源消耗，增加成本。

(3)现有的基于事件驱动通信的分布式优化技术仅仅在无向通信网络下才能有效进行优化，有的算法还需要进行特殊的初始化处理、有的算法还需要特殊方法排除Zeno现象以表明事件驱动算法的有效性。

解决上述技术问题的难度：1)针对有向通信网络，Laplacian矩阵将不再像无向图那样是对称矩阵，对称矩阵相关的性质将不能使用，那么现有分布式算法将如何扩展至有向通讯网络具有一定难度。2)在事件驱动通讯策略下如何设计优化算法使得算法自然排除Zeno现象，而不需要专门特殊的伦理证明以及避免算法初始化也存在一定的难度。

解决上述技术问题的意义：分布式控优化算法意味着整个通信网络中不需要中心数据采集、处理与传输单元，能够避免单点失效、鲁棒性差等问题。研究有向通信网络下的优化算法将更具有一般性，应用性更强。采用双事件驱动通信策略能够最大程度降低通信成本，节省了通信资源。结合离散迭代机制，研究事件驱动下的分布式优化算法可以自然排除Zeno现象，避免算法初始化，能够提高可应用性，扩大应用范围。

发明内容