多次本地更新下去中心化随机优化的方差缩减方法

研究提出一种结合方差缩减与多次本地更新的原始-对偶去中心化优化算法，其步长与网络规模无关，仅与本地更新次数成反比，而非传统方法的三次方反比。在强凸条件下，该算法首次建立随机梯度场景下的期望线性收敛保证，每轮仅交换一个变量，相比基于梯度跟踪的方法降低一半通信成本。