报告主题：Distributed Projection-free Algorithm for Online Stochastic Optimization
主 讲 人：姜霞 （香港城市大学）
主 持 人：刘兆波
时 间：2025年9月24日周五15：00
地 点：致知楼706
嘉宾简介：
姜霞于2017年获得山东大学控制科学与工程学士学位，并于2023年获得北京理工大学控制科学与工程博士学位。2021年至2022年，她在南洋理工大学电气与电子工程学院进行CSC公派学习。2023年10月至2025年3月，她在香港中文大学系统工程与工程管理学系担任研究助理。她目前是香港城市大学机械工程学系博士后研究员。她的研究方向包括分布式优化、在线优化和反馈控制。
报告摘要：
本报告聚焦于多智能体网络环境下的分布式在线随机优化问题，特别是针对目标函数具有随机性且可行域约束导致投影操作计算成本高昂的场景。在此设定下，每个智能体仅能依据其局部的随机梯度信息以及与邻居的通信来进行在线决策。为应对这些挑战，报告介绍了一类高效的分布式免投影算法。该算法框架的核心思想是采用条件梯度更新来替代高成本的投影步骤，从而显著降低了单次迭代的计算复杂度。同时，为了削弱随机梯度所带来的噪声影响，算法进一步融合了递归方差缩减技术。理论分析表明，该方法能够为包括凸与非凸在内的广泛在线优化问题提供高概率意义下的次线性遗憾界保证，而非传统的期望意义上的界。最终，通过数值实验验证了该算法框架在求解目标跟踪等在线优化问题的有效性和高效性。
