買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京信息科技大學申請的專利基于帕累托最優性的分層聯邦學習模型優化方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117273121B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311235492.8，技術領域涉及：G06N3/098；該發明授權基于帕累托最優性的分層聯邦學習模型優化方法及裝置是由李卓;頓婧博;耿方興;杜輝設計研發完成，并于2023-09-22向國家知識產權局提交的專利申請。

本基于帕累托最優性的分層聯邦學習模型優化方法及裝置在說明書摘要公布了：本發明提供一種基于帕累托最優性的分層聯邦學習模型優化方法及裝置，其中方法包括：基于云服務器的最大預算，求解使得全部參與者的效用函數值的累加值最大的帕累托前沿；所述參與者包括所述云服務器、邊緣服務器和移動設備；從所述帕累托前沿中尋找帕累托公平解；所述帕累托公平解為所有參與者的效用函數值均最大化的帕累托最優解；基于所述帕累托公平解，確定目標邊緣服務器集以及目標移動設備集，并基于所述目標邊緣服務器集和所述目標移動設備集，進行分層聯邦學習的模型訓練。從而可以在最大預算下同時激勵每個參與者，實現每個參與者的效用最大化，聚合得到高質量的全局模型。

本發明授權基于帕累托最優性的分層聯邦學習模型優化方法及裝置在權利要求書中公布了：1.一種基于帕累托最優性的分層聯邦學習模型優化方法，其特征在于，包括： 基于云服務器的最大預算，求解使得全部參與者的效用函數值的累加值最大的帕累托前沿；所述參與者包括所述云服務器、邊緣服務器和移動設備； 從所述帕累托前沿中尋找帕累托公平解；所述帕累托公平解為所有參與者的效用函數值均最大化的帕累托最優解； 基于所述帕累托公平解，確定目標邊緣服務器集以及目標移動設備集，并基于所述目標邊緣服務器集和所述目標移動設備集，進行分層聯邦學習的模型訓練； 所述從所述帕累托前沿中尋找帕累托公平解，具體包括： 基于所述帕累托前沿，確定目標權重系數； 根據所述目標權重系數，確定所述帕累托公平解； 所述確定目標權重系數，包括： 初始化第一權重系數，計算所述第一權重系數對應的全部參與者的效用函數值，將所述第一權重系數對應的全部參與者的效用函數值中的絕對值最小值作為第一數值和第二數值； 基于所述第一權重系數、所述第一權重系數對應的全部參與者的效用函數值、所述第二數值和當前迭代次數，更新所述第一權重系數，并計算更新后的第一數值； 在所述更新后的第一數值大于或等于所述第二數值的情況下，將所述更新后的第一數值作為第二數值； 重復計算所述更新所述第一權重系數，計算更新后的第一數值，以及在所述更新后的第一數值大于或等于所述第二數值的情況下，將所述更新后的第一數值作為第二數值的過程，直至更新后的第一權重系數相對于更新前的第一權重系數的變化值小于設定閾值，將所述第二數值對應的權重系數作為所述目標權重系數； 所述第一權重系數根據以下公式更新： 式中，kt+1為所述當前迭代次數為t+1時的第一權重系數，kt為所述當前迭代次數為t時的第一權重系數，I·為指示函數，·為真時I·＝1，否則I·＝0，為所述當前迭代次數為t時的所述第一權重系數對應的第i個參與者的效用函數值，為所述全部參與者的集合，為所述當前迭代次數為t時的第二數值，α為初始化的第一系數，α∈0,1，Kt＝minKt-1+1,Kmin，其中，K0＝1，Kmin為初始化的第二系數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京信息科技大學，其通訊地址為：102206 北京市昌平區太行路55號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。