[Paper] 클라이언트 샘플링을 활용한 분산 비스무스 비볼록 최적화

Source: arXiv - 2601.19381v1

Overview

이 논문은 Lipschitz 연속성을 갖는 로컬 함수들을 가진 분산 비스무스 비볼록 최적화 문제를 다룹니다. 우리는 클라이언트 샘플링을 이용한 효율적인 확률적 1차 방법을 제안하며, ((\delta,\varepsilon))-Goldstein 정지점을 다음과 같이 달성합니다:

• 전체 샘플 복잡도: (\mathcal O(\delta^{-1}\varepsilon^{-3}))
• 계산 라운드: (\mathcal O(\delta^{-1}\varepsilon^{-3}))
• 통신 라운드: (\tilde{\mathcal O}(\gamma^{-1/2}\delta^{-1}\varepsilon^{-3})),

여기서 (\gamma)는 네트워크의 믹싱 행렬에 대한 스펙트럼 갭입니다. 우리의 결과는 최적의 샘플 복잡도를 달성하고 기존 방법보다 더 날카로운 통신 복잡도를 제공합니다. 또한 아이디어를 제로‑차 최적화로 확장했으며, 수치 실험을 통해 제안된 방법의 실증적 이점을 확인했습니다.

Key Contributions

• math.OC
• cs.DC

Methodology

자세한 방법론은 전체 논문을 참고하십시오.

Practical Implications

이 연구는 math.OC 분야의 발전에 기여합니다.

Authors

• Xinyan Chen
• Weiguo Gao
• Luo Luo

Paper Information

• arXiv ID: 2601.19381v1
• Categories: math.OC, cs.DC
• Published: January 27, 2026
• PDF: Download PDF