Distributed black-box optimization of nonconvex functions

Valcarcel Macua, Sergio; Zazo Bello, Santiago y Zazo Muncharaz, Javier (2015). Distributed black-box optimization of nonconvex functions. En: "IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)", 19/04/2015 - 24/04/2015, Brisbane, QLD, Australia. pp. 3591-3595. https://doi.org/10.1109/ICASSP.2015.7178640.

Descripción

Título: Distributed black-box optimization of nonconvex functions
Autor/es:
  • Valcarcel Macua, Sergio
  • Zazo Bello, Santiago
  • Zazo Muncharaz, Javier
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Fechas del Evento: 19/04/2015 - 24/04/2015
Lugar del Evento: Brisbane, QLD, Australia
Título del Libro: IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Fecha: Abril 2015
Materias:
Palabras Clave Informales: Adaptive networks, cross-entropy, diffusion strategies, global optimization, stochastic approximation
Escuela: E.T.S.I. Telecomunicación (UPM)
Departamento: Señales, Sistemas y Radiocomunicaciones
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (901kB) | Vista Previa

Resumen

We combine model-based methods and distributed stochastic approximation to propose a fully distributed algorithm for nonconvex optimization, with good empirical performance and convergence guarantees. Neither the expression of the objective nor its gradient are known. Instead, the objective is like a “black-box”, in which the agents input candidate solutions and evaluate the output. Without central coordination, the distributed algorithm naturally balances the computational load among the agents. This is especially relevant when many samples are needed (e.g., for high-dimensional objectives) or when evaluating each sample is costly. Numerical experiments over a difficult benchmark show that the networked agents match the performance of a centralized architecture, being able to approach the global optimum, while none of the individual noncooperative agents could by itself.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTEC2013-46011-C3-1-RUnderWorldSin especificarSin especificar
Gobierno de EspañaCSD2008-00010 COMONSENSCONSOLIDER-INGENIO 2010Sin especificarSin especificar

Más información

ID de Registro: 46916
Identificador DC: http://oa.upm.es/46916/
Identificador OAI: oai:oa.upm.es:46916
Identificador DOI: 10.1109/ICASSP.2015.7178640
URL Oficial: http://ieeexplore.ieee.org/document/7178640/
Depositado por: Memoria Investigacion
Depositado el: 21 Jun 2017 15:39
Ultima Modificación: 21 Jun 2017 15:39
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM