[发明专利]一种基于异步分布式优化算法的高效蕈菌毒性识别方法

权利要求书

1.一种基于异步分布式优化算法的高效蕈菌毒性识别方法，其特征在于，包括以下步骤：

将蕈菌毒性识别问题转换为有向网络上多智能体的异步分布式优化问题，具体包括：

构建有向网络G＝(V，ε)，式中，V＝{1，…，m}表示蕈菌的集合，表示边的集合，若蕈菌j直接从蕈菌i接收到信息，则有(i，j)∈ε；所述有向网络满足假设一：有向网络G＝(V，ε)为有向、强连接且每个蕈菌i能够知道G的出度；设表示蕈菌i的内邻域集合，表示蕈菌i的外邻域集合；对于任意i，j∈V，若始终存在一条有向路径由(i，l₁)，(l₁，l₂)，…，(l_t，j)构成，l₁，…，l_t∈V，则有向网络G为强连通；

在所述有向网络G＝(V，ε)上的异步分布式优化问题，为：

式中，z为列向量，为n维实数的几何，为全局目标函数；

所述异步分布式优化问题满足假设二：每个局部目标函数都是光滑的，即对于所有的i∈V和存在正常数l_i使得式中，表示函数f在z处的梯度；

且所述异步分布式优化问题满足假设三：全局目标函数是μ-强凸的，即对于任意存在正常数μ，使得成立，其中，(·)^T表示转置；

对于每个i∈{1，2，…，m)，f_i(z)为仅由单个蕈菌i访问的本地函数，m为G中蕈菌的总数，所有蕈菌协同计算全局决策变量z，得到最优解，表示为z^*；

将单个蕈菌的异步分布式优化问题表示为：

式中，zⁱ是每个蕈菌i且i∈{1，…，m}的全局最优解z^*的局部估计；

采用基于异步分布式非精确梯度推送优化算法，对所述异步分布式优化问题进行求解，得到蕈菌毒性识别结果，具体包括：

激活蕈菌i_k和来自的消息的传输延迟其中，i_k表示迭代k中的激活蕈菌；引入一个计时器用于跟踪接收到的消息的生成时间；对每个蕈菌i的变量zⁱ，vⁱ，uⁱ，xⁱ和yⁱ进行更新，通过局部优化将所有i的决策变量zⁱ变为相同值，得到蕈菌毒性识别结果；

对基于异步分布式非精确梯度推送优化算法进行程序初始化，设定所有蕈菌i和

令k＝0，并开始进行迭代循环；

选择激活规则操作，选择(i_k，d_k)，其中，作为激活规则；

设置计时器，为：

进行本地化优化操作，为：

基于异步鲁棒梯度跟踪机制，对所述蕈菌毒性识别结果进行处理，获取蕈菌毒性梯度的平均值，作为蕈菌毒性识别的目标结果，具体包括：

根据异步鲁棒梯度跟踪机制，获取每个蕈菌的维护状态变量wⁱ以及辅助变量ρ^ij和其中，变量ρ^ij用于存储蕈菌j生成的所有消息，变量用于存储从发送到i的消息；

定义一个正向量ζ＝[ζ₁，ζ₂，ζ₃，ζ₄]^T，使每个元素满足：

ζ₃＞0，

式中，使得所有(i，j)∈ε，否则，设置r^ij＝0；

对所述蕈菌毒性识别结果进行异步梯度跟踪操作，为：

将跟踪得到的数据进行批量缓冲更新，为：

保持未激活代理的状态，判定停止条件是否成立，若所述停止条件成立，则获取蕈菌毒性识别的目标结果，并结束；

若所述停止条件不成立，则执行k＝k+1，并返回激活规则操作，重复迭代直至所述停止条件成立；

所述停止条件为：最大的步长满足：

根据上式有G的光谱半径ρ(G)1，即式中，O(λ^k)表示每个执行异步算法的蕈菌收敛到相同的最优解的速率，λ∈(0，1)为收敛因子，k表示迭代次数。