Key points are not available for this paper at this time.
Nous proposons un algorithme distribué, nommé Méthode des Multiplicateurs Alternés Distribués (D-ADMM), pour résoudre des problèmes d'optimisation séparables dans des réseaux de nœuds ou d'agents interconnectés. Dans un problème d'optimisation séparable, il existe une fonction de coût privée et un ensemble de contraintes privé à chaque nœud. L'objectif est de minimiser la somme de toutes les fonctions de coût, en contraignant la solution à être dans l'intersection de tous les ensembles de contraintes. D-ADMM a prouvé sa convergence lorsque le réseau est biparti ou lorsque toutes les fonctions sont fortement convexes, bien qu'en pratique, la convergence soit observée même lorsque ces conditions ne sont pas remplies. Nous utilisons D-ADMM pour résoudre les problèmes suivants en traitement du signal et en contrôle : consensus moyen, détection comprimée et machines à vecteurs de support. Nos simulations montrent que D-ADMM nécessite moins de communications que les algorithmes de pointe pour atteindre un certain niveau de précision. Les algorithmes ayant de faibles exigences en communication sont importants, par exemple, dans les réseaux de capteurs, où les capteurs fonctionnent typiquement sur batterie et où communiquer est l'opération la plus consommatrice d'énergie.
Mota et al. (Ven,) ont étudié cette question.