Key points are not available for this paper at this time.
우리는 통신 지연의 영향을 받는 네트워크에 대한 분산 최적화 문제를 고려합니다. 이러한 네트워크의 예로는 협업 기계 학습, 센서 네트워크 및 다중 에이전트 시스템이 포함됩니다. 통신 지연을 모사하기 위해, 네트워크에 가상의 비계산 노드를 추가하여 방향 그래프를 형성합니다. 이는 방향 그래프에서의 분산 최적화 솔루션을 조사하는 동기를 제공합니다. 기존 솔루션은 노드가 자신의 출차수를 알고 있다고 가정하므로 적용성이 제한됩니다. 이 제한을 극복하기 위해, 우리는 출차수를 알 필요가 없는 DT-GO라는 새로운 잡담 기반 알고리즘을 소개합니다. 이 알고리즘은 지연이나 제한된 인지 능력을 가진 네트워크와 같은 일반적인 방향 네트워크에 적용할 수 있습니다. 우리는 볼록 및 비볼록 목표에 대한 수렴 속도를 파생하여, 우리의 알고리즘이 중앙 집중식 확률적 경량 하강법과 동일한 복잡도 순서를 달성함을 보여줍니다. 즉, 그래프의 톱놀리와 지연의 영향은 고차항으로 제한됩니다. 또한, 우리는 시간 변동 네트워크 톱놀리에 맞도록 분석을 확장합니다. 이론적 발견을 뒷받침하기 위해 수치 시뮬레이션을 제공합니다.
Rincón et al. (수요일)이 이 질문을 연구했습니다.