文 献 综 述
摘要：随着越来越多的多智能体系统被应用，各类分布式方法逐渐成为国际学术前沿的研究热点。本文首先介绍了优化问题和分布式优化算法的概念，接着从离散时间域和连续时间域两个方面介绍了分布式优化算法的发展。离散时间下的分布式优化算法又可以分为步长递减和步长固定两种算法，步长递减的算法主要包括Nedic等人首先提出的分布式次梯度算法（DGD），步长固定的算法中典型算法有EXTRA和DIGing等。连续时间算法近年来逐渐发展起来，主要有分布式PI算法等。
关键词：多智能体系统；优化问题；分布式优化算法
1 引言
近年来，各类具有感知、计算、通信和执行能力的多智能体系统越来越多地被应用于工程技术领域，如电网、传感网、通信网和交通网等。大规模网络应用中的协作问题可通过优化模型描述，且仅依赖于智能体局部数据、局部计算和局部通信的分布式方法因其自主性、鲁棒性和可扩展性比传统的集中式方法更为合理高效。因此，分布式优化算法在近年来也成为国际学术前沿中的热点研究领域。本课题要求使用python设计分布式优化算法的工具箱，模拟各类分布式优化算法的执行环境，为从事具体算法研究提供丰富的基础代码。
2 分布式优化的概念
一方面，优化问题（optimization problem）是指选择一组参数（变量），在满足一系列有关的限制条件（约束）下，使设计指标（目标）达到最优值。
另一方面，分布式计算，简单来说，是把一个大计算任务拆分成多个小计算任务分布到若干台机器上去计算，然后再进行结果汇总。目的在于分析计算海量的数据，从雷达监测的海量历史信号中分析异常信号(外星文明)，淘宝双十一实时计算各地区的消费习惯等。
海量计算最开始的方案是提高单机计算性能，如大型机，后来由于数据的爆发式增长、单机性能却跟不上，才有分布式计算这种妥协方案。因为计算一旦拆分，问题会变得非常复杂，像一致性、数据完整、通信、容灾、任务调度等问题也都来了。
分布性和并发性是分布式算法的两个最基本的特征。分布式系统的执行存在着许多非稳定性的因素。由于这些多方面的差异，导致分布式算法的设计和分析，较之集中式算法来讲，要复杂得多，也困难得多。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
