网络化多智能体系统的分布式优化算法

　　本书主要内容包括：（1） 提出了分布式的随机次梯度投影算法；（2） 提出了异步广播的分布式次梯度随机投影算法；（3） 提出了分布式随机坐标块次梯度投影算法；（4） 提出了分布式随机坐标块条件梯度算法；（5） 提出了量化信息与随机网络拓扑的扩散小均方算法；（6） 提出了分布式随机次梯度在线算法；（7） 提出了差分隐私的分布式随机次梯度在线优化算法；（8） 提出了分布式条件梯度在线学习算法。本书选材广泛、内容新颖，适合数学、控制、计算机等专业的本科生及研究生，适合从事应用数学、计算数学、机器学习等研究领域的科技人员。

　　朱军龙，博士（后）、河南科技大学副教授，中国自动化学会青年工作委员会委员，研究方向为分布式优化理论、强化学习理论，主持国家自然科学基金面上项目1项、省部级项目2项；在IEEE Transactions、电子学报等国内外知名期刊发表论文15篇；在科学出版社出版专著1部（第二）；授权发明专利0余项，其中发明人2项；获河南省科技进步奖二等奖1项、三等奖1项。

第1章绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1分布式离线优化算法
1.2.2分布式在线优化算法
参考文献
第2章分布式随机次梯度投影算法
2.1引言
2.2算法设计
2.3主要结果
2.4收敛性能分析
2.5本章小结
参考文献
第3章异步的分布式次梯度随机投影算法
3.1引言
3.2算法设计
3.3主要结果
3.4收敛性能分析
3.5误差界分析
3.6本章小结
参考文献
第4章量化信息与随机网络拓扑的扩散小均方算法
4.1引言
4.2扩散算法
4.3算法设计
4.3.1随机网络拓扑模型
4.3.2抖动量化模型
4.3.3随机网络与抖动量化的扩散策略
4.4均方收敛分析
4.5稳态性能分析
4.6仿真结果
4.7本章小结
参考文献
第5章分布式随机次梯度在线优化算法
5.1引言
5.2问题描述与算法设计
5.2.1问题描述
5.2.2算法设计
5.3主要结果
5.4算法性能分析
5.5仿真实验
5.6本章小结
参考文献
第6章差分隐私的分布式在线优化算法
6.1引言
6.2基本概念与定义
6.2.1图论
6.2.2差分隐私
6.3问题描述及算法设计
6.3.1问题描述
6.3.2算法设计
6.4主要结果
6.5差分隐私与性能分析
6.5.1差分隐私分析
6.5.2性能分析
6.6本章小结
参考文献
第7章分布式条件梯度在线学习算法
7.1引言
7.2准备工作
7.3问题形式化与算法
7.4假设和主要结果
7.5性能分析
7.6引理证明
7.7仿真实验
7.8本章小结
参考文献
第8章基于随机块坐标的分布式在线无投影算法
8.1引言
8.2问题描述与算法设计
8.2.1问题描述
8.2.2算法设计
8.3相关假设和主要结果
8.4收敛性分析
8.5仿真实验
8.5.1实验设置
8.5.2实验结果与分析
8.6本章小结
参考文献
第9章基于事件驱动的分布式在线无投影算法
9.1引言
9.2问题描述与算法设计
9.2.1问题描述
9.2.2算法设计
9.3相关假设与结果
9.4收敛性分析
9.5本章小结
参考文献