基于差分隐私机制和单点反馈的分布式在线优化算法

摘要

针对有向网络上具有隐私保护特性的分布式在线优化问题，基于差分隐私机制提出一种分布式在线优化算法。通过符合拉普拉斯分布的随机噪声对节点的状态进行扰动，有效保护节点的隐私信息。针对梯度信息显式未知的问题，引入单点反馈估计真实的梯度，利用估计的梯度信息指导决策变量的更新，使算法能够适应梯度信息不可用的场景。理论结果表明，所提出的算法不仅能够保护节点的隐私信息同时能够实现次线性Regret,能够有效解决分布式在线优化问题。仿真结果验证了算法的有效性。

关键词

分布式优化 / 在线优化 / 多智能体系统 / 差分隐私机制 / 单点反馈