第1章 绪论 1
1.1分布式优化理论 1
1.1.1多智能体系统的分布式凸优化 2
1.1.2几类经典的分布式优化算法 3
1.1.3通信环境对分布式优化的影响 8
1.2分布式学习理论 15
1.2.1分布式机器学习 15
1.2.2 分布式合作自适应 16
1.3本书内容安排 17
第2章 数学基础知识 18
2.1图论相关知识 18
2.1.1代数图论 18
2.1.2固定拓扑 19
2.1.3时变拓扑 21
2.2克罗内克积 22
2.3模糊逻辑系统 22
2.4分布式一致性理论 23
2.4.1一致性理论和合作策略 23
2.4.2 多智能体系统的一致性 24
2.4.3分布式平均一致性 24
2.5 系统稳定性理论 25
2.6 Zeno现象 29
2.7凸优化相关知识 29
2.8径向基函数神经网络 31
2.9重要引理 32
第3章 连续时间分布式优化算法 34
3.1引言 34
3.2固定拓扑连续时间分布式优化算法 36
3.2.1零梯度和算法 37
3.2.2基于分布式事件驱动通信的零梯度和算法 38
3.3时变拓扑连续时间分布式优化算法 41
3.4收敛性分析 43
3.4.1固定拓扑情形 43
3.4.2时变拓扑情形 50
3.5数值仿真 59
3.5.1固定拓扑情形 59
3.5.2 时变拓扑情形 65
3.6本章小结 76
第4章 基于采样数据的分布式优化算法 77
4.1引言 77
4.2基于采样数据的周期零梯度和算法 78
4.2.1算法设计 78
4.2.2收敛性分析 80
4.3基于采样数据的事件驱动零梯度和算法 81
4.3.1算法设计 82
4.3.2收敛性分析 85
4.4数值仿真 90
4.5本章小结 97
第5章 基于群体智能的分布式优化算法 99
5.1引言 99
5.2基于群体智能的分布式优化框架 101
5.3分布式粒子群优化算法 102
5.3.1一致性搜索 106
5.3.2一致性评价 109
5.3.3 粒子群合作演化 110
5.3.4 局部终止规则 111
5.4数值仿真 113
5.4.1实验1：小规模的无向/有向网络 113
5.4.2实验2：大规模网络 120
5.5本章小结 122
第6章 分布式机器学习算法 124
6.1引言 124
6.2基于模糊逻辑系统的分布式合作学习算法 125
6.2.1问题描述 125
6.2.2算法描述 127
6.3分布式学习算法比较 133
6.3.1现有分布式学习算法 133
6.3.2五种分布式学习算法的比较 136
6.4应用与软件实现 137
6.4.1回归问题 140
6.4.2分类问题 144
6.5本章小结 148
第7章 基于自适应神经网络输出反馈控制的分布式合作学习 149
7.1引言 149
7.2自适应神经网络输出反馈控制器设计 150
7.3分布式合作学习方案 152
7.4闭环系统稳定性和神经网络学习能力 153
7.5数值仿真 160
7.6本章小结 169
参考文献 170