분산 자원 할당을 위한 차별적으로 개인 정보 보호된 이중 그래디언트 추적

본 논문에서는 각 에이전트가 개인의 비용 함수를 보유하고 있으며 다른 에이전트와의 지역적 상호작용을 통해 전 세계적인 결합 제약 조건에 따라 결정을 최적화하는 유향 네트워크 상에서의 분산 자원 할당에 대한 개인 정보 문제를 조사합니다. 유향 네트워크에서의 자원 할당을 위한 기존 방법들은 모든 에이전트가 원본 데이터를 이웃에게 전송해야 하며, 이로 인해 민감하고 개인적인 정보가 노출될 위험이 있습니다. 이 문제를 해결하기 위해 우리는 독립적인 라플라스 노이즈를 사용하여 교환되는 메시지를 난독화하는 분산 자원 할당을 위한 차별적으로 개인 정보 보호된 이중 그래디언트 추적(DP-DGT) 알고리즘을 제안합니다. 우리의 알고리즘은 에이전트의 결정이 거의 확실히 최적 솔루션의 이웃에 수렴하도록 보장합니다. 또한, 제한된 그래디언트 가정 없이도 우리는 제안된 알고리즘 하에서 누적 차별적 개인 정보 손실이 유한하며, 반복 횟수가 무한으로 증가하더라도 유한함을 증명합니다. 우리가 아는 한, 우리는 유향 네트워크 상의 분산 자원 할당 문제에서 이 두 가지 목표를 동시에 달성한 최초의 연구입니다. 마지막으로, IEEE 14-버스 시스템 내에서의 경제적 배치 문제에 대한 수치 시뮬레이션은 우리가 제안한 알고리즘의 효과를 보여줍니다.