Buchumschlag

Distributed Optimization over Lossy Networks via Relaxed Peaceman-Rachford Splitting: a Robust ADMM Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bastianello, Nicola, Todescato, Marco, Carli, Ruggero, Schenato, Luca
Format:	Preprint
Veröffentlicht:	2018
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Partition-Based Implementation of the Relaxed ADMM for Distributed Convex Optimization over Lossy Networks
von: Bastianello, Nicola, et al.
Veröffentlicht: (2018)

Multi-Agent Optimization and Learning: A Non-Expansive Operators Perspective
von: Bastianello, Nicola, et al.
Veröffentlicht: (2024)

ADMM-Tracking Gradient for Distributed Optimization over Asynchronous and Unreliable Networks
von: Carnevale, Guido, et al.
Veröffentlicht: (2023)

Distributed Prediction-Correction ADMM for Time-Varying Convex Optimization
von: Bastianello, Nicola, et al.
Veröffentlicht: (2020)

Prediction-Correction Splittings for Nonsmooth Time-Varying Optimization
von: Bastianello, Nicola, et al.
Veröffentlicht: (2019)

Prediction-Correction for Nonsmooth Time-Varying Optimization via Forward-Backward Envelopes
von: Bastianello, Nicola, et al.
Veröffentlicht: (2019)

A Control Theoretical Approach to Online Constrained Optimization
von: Casti, Umberto, et al.
Veröffentlicht: (2023)

Optimal Leveraging of Smoothness and Strong Convexity for Peaceman--Rachford Splitting
von: Briceño-Arias, Luis, et al.
Veröffentlicht: (2026)

A Stochastic Operator Framework for Optimization and Learning with Sub-Weibull Errors
von: Bastianello, Nicola, et al.
Veröffentlicht: (2021)

Distributed Constraint-Coupled Optimization: Harnessing ADMM-consensus for robustness
von: Messilem, Mohamed Abdelmouamin, et al.
Veröffentlicht: (2025)

EASE: Energy-Aware Job Scheduling for Vehicular Edge Networks With Renewable Energy Resources
von: Perin, Giovanni, et al.
Veröffentlicht: (2021)

Peaceman-Rachford Splitting Method Converges Ergodically for Solving Convex Optimization Problems
von: Chen, Kaihuang, et al.
Veröffentlicht: (2025)

dHPR: A Distributed Halpern Peaceman--Rachford Method for Non-smooth Distributed Optimization Problems
von: Feng, Zhangcheng, et al.
Veröffentlicht: (2025)

Extending Douglas-Rachford Splitting for Convex Optimization
von: Nilsson, Max, et al.
Veröffentlicht: (2025)

Distributed and Inexact Proximal Gradient Method for Online Convex Optimization
von: Bastianello, Nicola, et al.
Veröffentlicht: (2020)

Control-Based Online Distributed Optimization
von: van Weerelt, Wouter J. A., et al.
Veröffentlicht: (2025)

Robust Online Learning over Networks
von: Bastianello, Nicola, et al.
Veröffentlicht: (2023)

On the Douglas-Rachford and Peaceman-Rachford algorithms in the presence of uniform monotonicity and the absence of minimizers
von: Burachik, Regina S., et al.
Veröffentlicht: (2022)

Adversarially and Distributionally Robust Virtual Energy Storage Systems via the Scenario Approach
von: Pantazis, Georgios, et al.
Veröffentlicht: (2025)

Solving Quadratic Programs via Deep Unrolled Douglas-Rachford Splitting
von: Xiong, Jinxin, et al.
Veröffentlicht: (2025)

Modular Distributed Nonconvex Learning with Error Feedback
von: Carnevale, Guido, et al.
Veröffentlicht: (2025)

ADMM-Based Distributed Kalman-like Observer with Applications to Cooperative Localization
von: De Carli, Nicola, et al.
Veröffentlicht: (2026)

tvopt: A Python Framework for Time-Varying Optimization
von: Bastianello, Nicola
Veröffentlicht: (2020)

Bregman Douglas-Rachford Splitting Method
von: Ma, Shiqian, et al.
Veröffentlicht: (2025)

Centering ADMM for the Semidefinite Relaxation of the QAP
von: Kanoh, Shin-ichi, et al.
Veröffentlicht: (2020)

Distributed Optimization and Learning for Automated Stepsize Selection with Finite Time Coordination
von: Rikos, Apostolos I., et al.
Veröffentlicht: (2025)

Learning Over-Relaxation Policies for ADMM with Convergence Guarantees
von: Lin, Junan, et al.
Veröffentlicht: (2026)

A Low-Rank ADMM Splitting Approach for Semidefinite Programming
von: Han, Qiushi, et al.
Veröffentlicht: (2024)

On Convergence Analysis of Network-GIANT: An approximate Hessian-based fully distributed optimization algorithm
von: Das, Souvik, et al.
Veröffentlicht: (2026)

Ensemble Kalman Inversion for Constrained Nonlinear MPC: An ADMM-Splitting Approach
von: Khalil, Ahmed, et al.
Veröffentlicht: (2025)

Asynchronous Distributed Learning with Quantized Finite-Time Coordination
von: Bastianello, Nicola, et al.
Veröffentlicht: (2024)

Affine-coupled Distributed Optimization via Distributed Proximal Jacobian ADMM with Quantized Communication
von: Du, Xu, et al.
Veröffentlicht: (2026)

Feedback-Based Optimization with Sub-Weibull Gradient Errors and Intermittent Updates
von: Ospina, Ana M., et al.
Veröffentlicht: (2021)

Computation-Communication Trade-offs and Sensor Selection in Real-time Estimation for Processing Networks
von: Ballotta, Luca, et al.
Veröffentlicht: (2019)

Optimizing ADMM and Over-Relaxed ADMM Parameters for Linear Quadratic Problems
von: Song, Jintao, et al.
Veröffentlicht: (2024)

Adaptive Online Optimization for Microgrids with Renewable Energy Sources
von: van Weerelt, Wouter J. A., et al.
Veröffentlicht: (2025)

(Un)supervised Learning of Maximal Lyapunov Functions
von: Barreau, Matthieu, et al.
Veröffentlicht: (2024)

Moment Relaxations for Data-Driven Wasserstein Distributionally Robust Optimization
von: Zhang, Shixuan, et al.
Veröffentlicht: (2025)

Heterogeneous Stochastic Momentum ADMM for Distributed Nonconvex Composite Optimization
von: Zhang, Yangming, et al.
Veröffentlicht: (2026)

Distributed Optimization for Energy Grids: A Tutorial on ADMM and ALADIN
von: Lanza, Lukas, et al.
Veröffentlicht: (2024)