前言
符號表
縮略語表
第1章 緒論
1.1 分布式優化理論
1.1.1 多智能體繫統的分布式凸優化
1.1.2 幾類經典的分布式優化算法
1.1.3 通信環境對分布式優化的影響
1.2 分布式學習理論
1.2.1 分布式機器學習
1.2.2 分布式合作自適應
1.3 本書內容安排
第2章 數學基礎知識
2.1 .圖論相關知識
2.1.1 代數圖論
2.1.2 固定拓撲
2.1.3 時變拓撲
2.2 克羅內克積
2.3 模糊邏輯繫統
2.4 分布式一致性理論
2.4.1 一致性理論和合作策略
2.4.2 多智能體繫統的一致性
2.4.3 分布式平均一致性
2.5 繫統穩定性理論
2.6 Zeno現像
2.7 凸優化相關知識
2.8 徑向基函數神經網絡
2.9 重要引理
第3章 連續時間分布式優化算法
3.1 引言
3.2 固定拓撲連續時間分布式優化算法
3.2.1 零梯度和算法
3.2.2 基於分布式事件驅動通信的零梯度和算法
3.3 時變拓撲連續時間分布式優化算法
3.4 收斂性分析
3.4.1 固定拓撲情形
3.4.2 時變拓撲情形
3.5 數值仿真
3.5.1 固定拓撲情形
3.5.2 時變拓撲情形
3.6 本章小結
第4章 基於采樣數據的分布式優化算法
4.1 引言
4.2 基於采樣數據的周期零梯度和算法
4.2.1 算法設計
4.2.2 收斂性分析
4.3 基於采樣數據的事件驅動零梯度和算法
4.3.1 算法設計
4.3.2 收斂性分析
4.4 數值仿真