• Разработан оптимальный алгоритм децентрализованной оптимизации для динамических сетей.
• Результаты исследования опубликованы в материалах конференции NeurIPS 2024.
• Классический подход к оптимизации становится неэффективным при большом количестве узлов и больших объемах данных.
• Децентрализованная оптимизация предлагает альтернативное решение с использованием локальных данных и обмена информацией только с соседями.
• Новый алгоритм учитывает негладкость функций и динамичность связей между узлами сети.
• Разработанный алгоритм основан на методе решения задачи оптимизации - сведение к решению седловой задачи.
• Новый алгоритм превосходит существующие методы по скорости сходимости и масштабируемости.
• Полученные результаты открывают новые перспективы для децентрализованной оптимизации и решения практических задач.

«Мы впервые установили нижние границы сложности коммуникации и вычислений для решения задач негладкой выпуклой децентрализованной оптимизации в динамически изменяющихся сетях, — рассказал Александр Гасников, заведующий лабораторией математических методов оптимизации МФТИ. — Более того, мы разработали первый оптимальный алгоритм, который достигает этих нижних границ и демонстрирует значительно улучшенную теоретическую производительность по сравнению с существующими методами».