Resilient Distributed Optimization for Multi-Agent Cyberphysical Systems

要約

この研究では、マルチエージェントのサイバー物理システムにおける分散最適化の問題に焦点を当てています。この問題では、正当なエージェントの反復が、潜在的に悪意のある隣接エージェントから受け取る値と、それ自体の自己サービス型ターゲット関数の両方によって影響を受けます。
私たちは、エージェント間の信頼の確率的値が存在し、悪用される可能性があるクラスの問題に対する回復力を実現するための、新しいアルゴリズムおよび分析フレームワークを開発します。
この場合、悪意のあるエージェントが存在する場合でも、真のグローバル最適点への収束が平均的にもほぼ確実に回復できることを示します。
さらに、最適値までの期待二乗距離の上限の形で、期待される収束率の保証を提供します。
最後に、悪意のあるエージェントがネットワーク内のエージェントの大部分を占め、既存の方法が最適な名目点に収束できない場合でも、分析収束保証を検証する数値結果が示されています。

要約(オリジナル)

This work focuses on the problem of distributed optimization in multi-agent cyberphysical systems, where a legitimate agents’ iterates are influenced both by the values it receives from potentially malicious neighboring agents, and by its own self-serving target function. We develop a new algorithmic and analytical framework to achieve resilience for the class of problems where stochastic values of trust between agents exist and can be exploited. In this case we show that convergence to the true global optimal point can be recovered, both in mean and almost surely, even in the presence of malicious agents. Furthermore, we provide expected convergence rate guarantees in the form of upper bounds on the expected squared distance to the optimal value. Finally, numerical results are presented that validate our analytical convergence guarantees even when the malicious agents compose the majority of agents in the network and where existing methods fail to converge to the optimal nominal points.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google