[发明专利]一种网络化机器学习系统的自适应通信方法

权利要求书

1.一种网络化机器学习系统的自适应通信方法，网络化机器学习系统包括多个智能体，其特征在于，所述自适应通信方法包括：

(S1)初始化各智能体之间的网络拓扑，使得各智能体通过通信链路连接；对于任意一个智能体，初始化之后通过通信链路与其直接连接的智能体为相邻智能体；初始化之后，各通信链路处于活跃状态；

(S2)在每个时间步中，智能体通过处于活跃状态的通信链路与相邻智能体交换通信信息，并根据其与相邻智能体之间最新一次交换的通信信息之间的差异计算该智能体与相邻智能体之间的通信链路在下一个时间步中处于活跃状态的概率值，并依照概率值确定该通信链路在下一个时间步中是否处于活跃状态。

2.根据权利要求1所述的一种网络化机器学习系统的自适应通信方法，其特征在于，概率值的表达式为：

其中：t表示时间步；参数a,b的取值范围为均为(0,1]；i为智能体的编号，j为相邻智能体的编号；p_ij(t+1)为概率值；x_i(t)为最新一次交换过程中智能体的通信信息；x_j(t)为最新一次交换过程中来自相邻智能体的通信信息；||x_i(t)-x_j(t)||₂表示最新一次交换的两个通信信息之间的差值的2范数；

当上述表达式的计算结果小于0时，令p_ij(t+1)＝Δ，Δ的取值范围为0.01≤Δ≤0.1。

3.根据权利要求2所述的一种网络化机器学习系统的自适应通信方法，其特征在于，当智能体与某个相邻智能体之间的通信链路在至少两个连续的时间步中均保持活跃状态时，从第二个时间步开始，该智能体与相邻智能体交换通信信息的过程中采用随机稀疏器对通信信息进行稀疏化，并根据上一时间步计算得到的概率值确定当前时间步所述随机稀疏器所采用的稀疏度；稀疏度的表示为：

s_ij(t)＝1-p_ij(t)

其中，i为所述智能体的编号，j为相邻智能体的编号。

4.根据权利要求2所述的一种网络化机器学习系统的自适应通信方法，其特征在于，参数a的大小与网络化机器学习系统的收敛速度负相关，参数a以及b的取值范围均为(0,1]。

5.根据权利要求1所述的一种网络化机器学习系统的自适应通信方法，其特征在于，网络化机器学习系统运行的算法为QDGD算法。

6.根据权利要求1所述的一种网络化机器学习系统的自适应通信方法，其特征在于，所述通信信息包括梯度向量。