A distributed framework for sparse convex optimization: algorithms and software tools

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Olama, Alireza
Orientador(a): Camponogara, Eduardo
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/251373
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
id UFSC_d802d8b846ec1f185d419c4b1caa84c0
oai_identifier_str oai:repositorio.ufsc.br:123456789/251373
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaOlama, AlirezaCamponogara, EduardoMendes, Paulo Renato da Costa2023-10-05T23:13:42Z2023-10-05T23:13:42Z2023383883https://repositorio.ufsc.br/handle/123456789/251373Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.Esta tese aborda problemas de otimização convexa distribuída que incorporam uma restrição de esparsidade. Conhecido como Otimização Convexa Esparsa (SCO, na sigla em inglês), esse problema é definido em uma rede de computadores, onde vários agentes trabalham juntos para resolver o problema de otimização de forma colaborativa. Devido à restrição de esparsidade ser uma combinação de um número finito de subespaços, o problema SCO se enquadra na classe de otimização combinatória, que geralmente é considerada NP-difícil. Esta tese desenvolveu algoritmos distribuídos eficientes e ferramentas de software para resolver problemas SCO com dados descentralizados. Os algoritmos foram projetados para funcionar em uma rede computacional ponto a ponto, onde cada nó lida com uma parte específica do problema em paralelo, colaborando com outros nós. Inspirada em avanços anteriores em otimização inteira mista e computação de alto desempenho, esta tese introduz um framework de Programação Inteira Mista (MIP) distribuída para encontrar soluções exatas para problemas SCO. O framework apresenta novos algoritmos e heurísticas distribuídos, que são implementados em uma ferramenta de software chamada Conjunto de Ferramentas para Otimização Convexa Esparsa (SCOT, na sigla em inglês), especificamente projetada para resolver problemas SCO. Em particular, os algoritmos propostos estendem algoritmos de Aproximação Externa de Múltiplas e Únicas Árvores (OA) incorporando um algoritmo totalmente descentralizado chamado Método dos Multiplicadores de Direção Alternada Híbrido Relaxado (RH-ADMM, na sigla em inglês). Isso leva ao desenvolvimento de dois algoritmos distribuídos de programação não linear inteira mista: Aproximação Externa Primal Distribuída (DiPOA, na sigla em inglês) e Aproximação Externa Híbrida Distribuída (DiHOA, na sigla em inglês). Além disso, várias técnicas de reformulação e heurísticas são descritas e analisadas, visando aproveitar a separabilidade de funções não lineares e melhorar o desempenho dos algoritmos.Abstract: This thesis addresses distributed convex optimization problems that incorporate a sparsity constraint. Referred to as Sparse Convex Optimization (SCO), this problem emerges from a network of computing nodes where various agents work together to solve the optimization problem collaboratively. Due to the sparsity constraint being a combination of a finite number of subspaces, the SCO problem falls under the class of combinatorial optimization, which is typically considered NP-hard. This thesis develops efficient distributed algorithms and software tools to solve SCO problems with decentralized data. The algorithms were designed to work on a peer-to-peer computational network where each node handles a specific portion of the problem in parallel while collaborating with other nodes. Inspired by previous advancements in mixed-integer optimization and high-performance computing, this thesis introduces a distributed Mixed-Integer Programming (MIP) framework to find exact solutions for SCO problems. The framework presents novel distributed algorithms and heuristics, which were implemented in a software tool called the Sparse Convex Optimization Toolkit (SCOT), specifically designed to solve SCO problems. In particular, the proposed algorithms extend multi- and single-tree Outer Approximation (OA) algorithms by incorporating a fully decentralized algorithm called the Relaxed Hybrid Alternating Direction Method of Multipliers (RH-ADMM). Such developments led to the design of two distributed mixed-integer nonlinear programming algorithms: Distributed Primal Outer Approximation (DiPOA) and Distributed Hybrid Outer Approximation (DiHOA). Additionally, various reformulation and heuristic techniques were introduced to leverage the separability of nonlinear functions and enhance performance.146 p.| il., gráfs.engEngenharia de sistemasAprendizado do computadorRedes de computadoresA distributed framework for sparse convex optimization: algorithms and software toolsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEAS0432-T.pdfPEAS0432-T.pdfapplication/pdf3974666https://repositorio.ufsc.br/bitstream/123456789/251373/1/PEAS0432-T.pdf3ecb3932d79e786cbaa2e8a12368aa96MD51123456789/2513732023-10-05 20:13:42.936oai:repositorio.ufsc.br:123456789/251373Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732023-10-05T23:13:42Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv A distributed framework for sparse convex optimization: algorithms and software tools
title A distributed framework for sparse convex optimization: algorithms and software tools
spellingShingle A distributed framework for sparse convex optimization: algorithms and software tools
Olama, Alireza
Engenharia de sistemas
Aprendizado do computador
Redes de computadores
title_short A distributed framework for sparse convex optimization: algorithms and software tools
title_full A distributed framework for sparse convex optimization: algorithms and software tools
title_fullStr A distributed framework for sparse convex optimization: algorithms and software tools
title_full_unstemmed A distributed framework for sparse convex optimization: algorithms and software tools
title_sort A distributed framework for sparse convex optimization: algorithms and software tools
author Olama, Alireza
author_facet Olama, Alireza
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Olama, Alireza
dc.contributor.advisor1.fl_str_mv Camponogara, Eduardo
dc.contributor.advisor-co1.fl_str_mv Mendes, Paulo Renato da Costa
contributor_str_mv Camponogara, Eduardo
Mendes, Paulo Renato da Costa
dc.subject.classification.none.fl_str_mv Engenharia de sistemas
Aprendizado do computador
Redes de computadores
topic Engenharia de sistemas
Aprendizado do computador
Redes de computadores
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-10-05T23:13:42Z
dc.date.available.fl_str_mv 2023-10-05T23:13:42Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/251373
dc.identifier.other.none.fl_str_mv 383883
identifier_str_mv 383883
url https://repositorio.ufsc.br/handle/123456789/251373
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 146 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/251373/1/PEAS0432-T.pdf
bitstream.checksum.fl_str_mv 3ecb3932d79e786cbaa2e8a12368aa96
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759225788694528

Registros relacionados