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！

龙图腾网获悉重庆邮电大学申请的专利一种基于数字孪生辅助的经济高效联邦学习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：CN116306988B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310140328.2，技术领域涉及：G06N20/20；该发明授权一种基于数字孪生辅助的经济高效联邦学习方法是由唐伦;文明艳;单贞贞;陈前斌设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种基于数字孪生辅助的经济高效联邦学习方法在说明书摘要公布了：本发明涉及一种基于数字孪生辅助的经济高效联邦学习方法，属于数字孪生和联邦学习领域，包括以下步骤：S1：构建数字孪生辅助的联邦学习框架；S2：车辆和边缘服务器将其资源信息和任务列表告知云中心；S3：云中心做出决策；S4：车辆根据边缘选择结果进行模型训练；S5：边缘服务器聚合车辆模型，得到局部模型，再将模型上传给云中心；S6：云中心进行全局聚合，得到全局模型；S7：系统更新资源状态和运行状态，云中心采用P‑DQN求解数字孪生辅助的经济高效联邦学习模型的优化问题，为下一轮联邦学习探索边缘选择策略和资源分配策略；S8：循环执行步骤S2‑S7，直至全局模型收敛至预设精度。

本发明授权一种基于数字孪生辅助的经济高效联邦学习方法在权利要求书中公布了：1.一种基于数字孪生辅助的经济高效联邦学习方法，其特征在于：包括以下步骤： S1：在智能驾驶场景中，构建数字孪生辅助的联邦学习框架，包括具有有限计算和存储资源的车辆和具有监测能力的基础设施、具有边缘服务器的基站，以及具有参数服务器的云中心； S2：车辆和边缘服务器将其资源信息和任务列表告知云中心； S3：云中心根据车辆和边缘服务器的资源状态和运行状态做出决策，利用边缘选择模型判断是否借助边缘服务器进行模型训练以及选择在哪个边缘服务器中创建车辆数字孪生模型DT； S4：车辆根据边缘选择结果，分别在本地进行模型训练或其DT借助边缘服务器的计算资源进行模型训练； S5：边缘服务器聚合车辆模型，得到局部模型，再将模型上传给云中心； S6：云中心进行全局聚合，得到全局模型； S7：系统更新资源状态和运行状态，云中心采用参数化深度Q网络P-DQN求解数字孪生辅助的经济高效联邦学习模型的优化问题，为下一轮联邦学习探索边缘选择策略和资源分配策略；步骤S7中所述数字孪生辅助的经济高效联邦学习模型的优化问题为： 系统总时间消耗表示为： 其中，为一轮联邦学习迭代中边缘服务器k的总时延，为云中心聚合边缘服务器所上传的局部模型的计算时延； 系统总能量消耗表示为： 其中，和分别为一轮联邦学习迭代中，边缘服务器k和车辆n的总能耗；为云中心聚合边缘服务器所上传的局部模型的能耗； 根据对时间和能量消耗的分析，得到一下优化目标： 其中，和分别为时延和能耗的系数；约束条件中，C1表示模型训练的收敛要求，全局模型在L轮全局更新后收敛至目标精度，其中为收敛阈值，表示模型训练的精度；C2表示对边缘选择指标的取值约束，参数表示车辆n选择在边缘服务器k中创建和维护其数字孪生体，参数表示车辆n选择在边缘服务器k中创建和维护其数字孪生体，每个边缘服务器首先将融合数字空间中虚拟对象训练的局部模型和通信范围内其它车辆所上传的局部模型，再将融合后的模型参数上传到云中心进行全局融合，得到全局模型；表示车辆n在本地完成模型训练，并将模型参数上传给最近的边缘服务器进行局部融合，表示边缘服务器集合；C3表示单个边缘服务器最多可以创建个车辆DT，为N辆车辆的集合；C4表示CPU周期频率的取值范围；C5表示信道总数量约束，为子信道的带宽，和分别表示分配给车辆n和边缘服务器k的信道数量，C为车辆和边缘服务器分配了C个信道；C6表示信道分配数量约束； S8：循环执行步骤S2-S7，直至全局模型收敛至预设精度。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。