56、动态连续分布式约束优化问题算法研究

动态连续分布式约束优化问题算法研究

1. 引言

在解决动态连续分布式约束优化问题（DC - DCOP）时，传统的顺序贪心动态DCOP算法“Forward”和“Backward”并不适用，因为DC - DCOP中每个时间步的子问题是连续DCOP（C - DCOP），而非离散DCOP。接下来将介绍基于这两个算法改进的适用于DC - DCOP的新算法。

2. DC - DCOP算法

2.1 Forward算法

• 基本思路 ：从第一个时间步开始，逐个时间步贪婪地解决DC - DCOP中的每个子问题，即从t = 0到t = h依次解决每个时间步的C - DCOP。在解决每个C - DCOP时，会考虑从时间步t - 1的解切换到时间步t的最优解所产生的切换成本。
• 预处理步骤 ：
  1. 重新构建约束 ：对于决策变量$x_i$和随机变量$y_i$之间的每个约束$f_i \in F_Y$，为每个时间步$0 \leq t \leq h$创建新约束：
     $F_t^i(x_i) = \int_{D_{y_i}} f_i(x_i, y_i) \cdot p_t^{y_i}(y_i)dy_i$
     其中$p_t^{y_i}(\cdot)$是随机变量$y_i$在时间步t的概率密度函数。
  2. 捕获切换成本 ：对于每个决策变量$x \in X$，为每个时间步$0 < t \leq h$创建新的一元约束：
     $C_t^x(x_