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！

龙图腾网获悉湖北工业大学申请的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：CN116451800B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310187616.3，技术领域涉及：G06N20/00；该发明授权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是由赵楠;朱华霖;孙奕灵;宋海娜;余长亮设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本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说明书摘要公布了：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。

本发明授权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权利要求书中公布了：1.一种基于深度强化学习的多任务联邦边缘学习激励方法，其特征在于，包括以下步骤： 步骤1：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； 步骤2：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； 步骤3：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； 其中，通过对边缘设备i的效用υiβi,q进行求导，得到二阶导数小于0，得出有一个唯一的最优训练比策略来达到效用的最大值，进而求出最优训练比策略将代入边缘服务器j的效用ujqj,βj并求二阶导数，得到二阶导数小于0，这表明存在唯一的最优支付使边缘服务器效用最大化； 将激励问题视为用多智能体深度强化学习方法求解的马尔可夫决策过程；在每个训练步骤t中，所有边缘服务器和边缘设备都被认为是一个代理，以分布式的方式进行顺序决策，以最大化其效用；则多智能体马尔可夫决策过程的状态、行动和奖励表述如下： 状态空间：在每个训练步骤t中，边缘服务器j首先根据所有边缘服务器的前N步的历史支付策略设置支付策略边缘服务器j状态空间定义为在第二阶段博弈中，边缘设备i根据其他边缘设备前N步的历史训练比例策略确定其训练比例策略边缘设备i的状态空间表示为 动作空间：在训练步骤t中，每个边缘服务器和每个边缘设备分别根据自己的状态决定支付策略和训练比率策略，边缘服务器j和边缘设备i的作用定义为和 奖励函数：在所有智能体采取行动后，每个智能体获得其他智能体的策略，并计算其效用最大化的即时奖励；边缘服务器j和边缘设备i的即时奖励分别表示为和则社会福利定义为所有行动者的即时报酬的总和，即 采用MA-DDPG算法实现所制定博弈的纳什均衡；在边缘服务器j中，一个有参数的行动者网络将输入状态映射到动作一个有参数θj评价网络估计动作值；对于边缘设备i，行动者网络的参数定义为评价网络的设计参数为θi； 在每个训练步骤t中，边缘服务器j是基于状态确定支付策略的领导者，它与边缘设备的历史训练比率策略和边缘服务器的历史支付策略有关；同时，每个边缘设备i根据对环境状态的观察充当跟随者，取决于边缘服务器的历史支付策略和其他边缘设备的历史训练比率策略；采取行动后，所有边缘服务器和边缘设备分别获得奖励和所有的经验元组和分别存储在重放缓冲区中；通过从重放缓冲区中采样小批量训练数据，边缘服务器和边缘设备评价网络通过最小化损失函数进行迭代，由于每个智能体都以获得最大的期望累积奖励为目标，行动者网络通过策略梯度进行更新，最终可以得到最优解。

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湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28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。