报告题目：多智能体系统平均一致控制的动量加速算法研究

报告专家：柴利

时间：9月9日（周一）10:00

地点：工学院25-512

报告人简介：

柴利，教授、博士生导师、国家杰出青年科学基金获得者、国务院特殊津贴专家。现为浙江大学控制科学与工程学院求是特聘教授。2008-2022年于武汉科技大学信息科学与工程学院工作，为首批“全国高校黄大年式教师团队”负责人，湖北省楚天学者特聘教授。曾获湖北省先进科技工作者、湖北省高等学校优秀共产党员等荣誉奖励。曾入选首批湖北省高端人才引领培养计划、湖北省新世纪高层次人才计划、教育部新世纪优秀人才支持计划等。柴利教授的主要研究兴趣为智能自主系统、图信号处理与学习、分布式优化、网络化控制系统等。在IEEE TSP、TAC、TPAMI等国际知名期刊和会议发表论文100余篇，主持完成5项国家自然科学基金项目。现为中国自动化学会CPS控制与决策专委会副主任委员、过程控制专委会委员等。任IEEE TCS-II、《控制与决策》、《控制工程》等期刊编委。

报告摘要：

我们知道，利用过去1个时刻（k-1）状态信息构建的动量项可以设计高效的加速一阶优化算法，如各种Nesterov加速法和heavy-ball算法等。但如下几个基础问题并未得到解决：利用更多过去时刻（如k-2，k-3,…）的状态信息是否可以设计更快收敛率的一阶优化算法？最快算法的收敛率是多少？对应的动量项参数如何设计？对于一阶优化算法的特例—多智能体系统平均一致性问题，我们将在报告中介绍最近的研究结果：（1）对任意给定网络，仅k-1时刻状态便可得到最快收敛率的加速算法，k-2时刻信息不能加速算法收敛，但利用k-3,k-5等时刻信息可能加速算法；（2）对给定的不确定网络集合，worst-case性能意义下，仅用k-1时刻信息便可得到性能最优的加速算法，k-2及之前所有时刻信息不能加快算法收敛。我们将给出严格的证明，给出最优收敛率及对应的动量项参数的解析计算公式。推导过程中充分利用了Routh稳定性判据和最大增益裕度计算。