[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

说明书

本发明提供一种基于异步分布式优化算法的高效蕈菌毒性识别方法，包括：通过将蕈菌毒性识别结果转换为有向网络上多智能体的异步分布式优化问题，采用基于异步分布式非精确性梯度推送优化算法，对异步分布式优化问题进行求解，得到蕈菌毒性识别结果，基于异步鲁棒梯度跟踪机制，对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。本发明能够使得每个蕈菌均能够线性收敛到精确的最优解，确保蕈菌毒性识别的高精度，且提高了蕈菌毒性识别的效率。

技术领域

本发明涉及智慧农业农作物识别技术领域，尤其涉及一种基于异步分布式优化算法的高效蕈菌毒性识别方法。

背景技术

在目前的技术发展中，国内外的人工智能以及自动识别技术已经发展得非常迅速，依赖于移动APP平台所实现的识别程序也越来越多，图像处理技术也越来越得到人们的重视，尤其是在农业领域，对于菌类的识别更是如此。

图像的识别离不开成熟的算法。如果将蕈菌毒性识别看作一个在有向网络上的分布式优化问题，那么目前可采用的分布式算法可以根据通信机制分为同步算法和异步算法两类。这两种算法的显著区别在于：异步算法中的蕈菌不是等待其他蕈菌完成更新，而是使用当前可用的信息自动继续本地计算。而在同步算法中，需要一个全局时钟来协调所有蕈菌，以同步其更新。这就不可避免地导致计算性能较强的蕈菌等待弱情况的蕈菌，使得大量的网络处于空闲状态。因此，与同步算法相比，异步算法能够提供更好的收敛性能。然而，当涉及算法的设计和分析时，异步算法也带来了巨大的挑战，因为如果用异步的方式直接对一个效果较好的同步算法进行实现，它可能是无效的。

因此，亟需一种能够采用异步方式对蕈菌毒性进行高效且精准识别的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种基于异步分布式优化算法的高效蕈菌毒性识别方法。

一种基于异步分布式优化算法的高效蕈菌毒性识别方法，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；