[发明专利]基于深度强化学习的多任务联邦边缘学习激励方法及系统在审
| 申请号： | 202310187616.3 | 申请日： | 2023-02-28 |
| 公开（公告）号： | CN116451800A | 公开（公告）日： | 2023-07-18 |
| 发明（设计）人： | 赵楠;朱华霖;孙奕灵;宋海娜;余长亮 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F9/48 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 肖明洲 |
| 地址： | 430068 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于深度强化学习的多任务联邦边缘学习激励方法及系统，首先通过将联邦边缘学习网络映射成劳动力市场，建立联邦边缘学习框架，构建边缘服务器与边缘设备的交互过程；然后建立边缘设备与边缘服务器的斯塔克尔伯格博弈模型以最大化边缘设备与边缘服务器的收益；最后分析纳什均衡的存在，并在此基础上以多智能体深度强化学习方式求解该斯塔克尔伯格博弈模型的最大化问题，以获得最优的边缘设备任务最优训练比和边缘服务器定价策略。本发明可以在多任务且信息不完全的联邦边缘学习场景下建立斯塔克尔伯格博弈模型以激励边缘设备参与联邦边缘学习，并以MA‑DDPG求解出最优的边缘设备任务最优训练比和边缘服务器定价策略，从而使收益最大化。 | ||
| 搜索关键词： | 基于 深度 强化 学习 任务 联邦 边缘 激励 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖北工业大学，未经湖北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310187616.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种配电盒结构
- 下一篇：一种光致发光高透过光伏涂层光学性能预测与评价方法
