买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种预算限制下异构联邦学习激励机制的优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119941322B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510037280.1，技术领域涉及：G06Q30/0207；该发明授权一种预算限制下异构联邦学习激励机制的优化方法是由汪秀敏;徐琬玮设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种预算限制下异构联邦学习激励机制的优化方法在说明书摘要公布了：本发明公开一种预算限制下异构联邦学习激励机制的优化方法，用于在预算约束范围内，激励移动用户积极参与联邦学习任务。包括如下步骤：根据联邦学习任务中的预算约束和成本报价进行建模，以客户端参与训练环节时联邦学习异质性造成的掉队者问题为目标，建立优化方程。基于拍卖模型‑贪心策略选择相应的移动用户候选集，结合求得的候选集提出两种客户端选择的分配方案。最后将用户候选集作为基础条件，设计满足真实性，预算可行性，个体理性的激励补偿机制。本发明提出的方法，能够在异质的联邦学习环境下，尽可能的激励移动用户参与感知任务并实现时间上的优化，从而保证联邦学习任务高效的完成。

本发明授权一种预算限制下异构联邦学习激励机制的优化方法在权利要求书中公布了：1.一种预算限制下异构联邦学习激励机制的优化方法，其特征在于，包括如下步骤： S1、在实际预算限制下使用异构联邦学习优化模型设置联邦学习任务场景； S2、通过逆向拍卖模型实现联邦学习的激励机制，联邦学习的激励机制包括联邦学习任务的发布、分配和补偿； 逆向拍卖模型将移动用户端作为卖方，任务发布者作为买方，逆向拍卖包括以下五个步骤： S21、买方发起并向卖方发布联邦学习任务请求，并将需要训练的模型发送给客户端； S22、感兴趣的卖方向买方提交报价，以竞争任务； S23、根据从卖方收到的出价，买方在预算限制范围内对招募的卖方做出选择； S24、招募的卖家参与联邦学习任务训练，并根据报价要求执行指定数量的训练强度，训练结束后将本地训练完成的机器学习模型上传到买家； S25、买方根据双方协商向卖方提供补偿； S3、使用极大值-贪心算法，求解任务分配问题，根据总训练时长得到任务场景下的获胜候选集； 极大值-贪心算法包括： 先设置一个指标称为单位成本训练强度βi： 其中τi表示客户端si的本地训练强度，ci表示客户端si在一轮训练中所需要的成本； 使用贪心算法来选择获胜候选者：首先根据设定的最大训练时长，筛选出训练时长不大于规定时长Tmax的客户端作为候选人，将候选人放入候选人集合C，即： C＝{si|ti≤Tmax,si∈S}； 其中ti表示客户端si的完成一轮本地训练所需的总体时间，Tmax表示一轮本地的规定训练时长，S表示客户端集合； 对候选人集合C根据βi以非递减的顺序进行排序，并使用W表示当前使用贪心算法的赢家集合，初始化即初始化赢家集合W为空集 贪心规则是选择C\W中单位成本训练强度βj最高的候选者sj，且sj需满足预算可行性条件： 其中i′为W∪{sj}候选集合中客户端的下标，si′为W∪{sj}候选集合中的客户端，τi′表示候选客户端si′的训练强度，B表示预算，τj表示候选者的本地训练强度，将候选者sj加入W中，W＝W∪{sj}，循环上述贪心算法选择客户端直至参与者候选集变空或违反预算可行性条件； 在客户端提交成本不超过初始预算B的情况下，获得候选集中单位成本训练强度最大的卖方si*，即： 由此获得贪心算法得到的两组客户端候选集，一组是{si*}，一组为W； S4、根据获胜候选集，设置满足预算可行性的激励机制，结合获胜候选集得到客户端选择的分配方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。