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！

龙图腾网获悉武汉大学申请的专利一种基于自适应半异步联邦学习的移动边缘网络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：CN116546560B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310327815.X，技术领域涉及：H04W28/084；该发明授权一种基于自适应半异步联邦学习的移动边缘网络优化方法是由周睿婷;余洁舲设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本一种基于自适应半异步联邦学习的移动边缘网络优化方法在说明书摘要公布了：本发明提供一种基于自适应半异步联邦学习的移动边缘网络优化方法，属于边缘计算技术领域，包括：构建基于自适应半异步联邦学习的移动边缘网络更新模型及最大化模型精度设备集合，确定网络延迟目标值和网络精度目标值，建立移动边缘网络更新任务的总延迟及准确性权衡模型；基于离散型软演员‑评论家深度强化学习算法，将总延迟及准确性权衡模型转换为具有马尔科夫决策过程的收敛优化模型，确定最大效用边缘移动设备数量，获得全局模型更新参与设备数量和陈旧容忍度，直至满足预设训练全球回合轮数后结束训练，得到边缘移动网络更新全集。本发明通过应用自适应半异步联邦学习策略，解决延迟精度目标函数建模平衡问题，使得延迟‑精度目标值最大化。

本发明授权一种基于自适应半异步联邦学习的移动边缘网络优化方法在权利要求书中公布了：1.一种基于自适应半异步联邦学习的移动边缘网络优化方法，其特征在于，包括： 根据云服务器、边缘基站和边缘移动设备构建基于自适应半异步联邦学习的移动边缘网络更新模型，确定所述移动边缘网络更新模型中的最大化模型精度设备集合； 基于所述最大化模型精度设备集合确定所述移动边缘网络更新模型的网络延迟目标值和网络精度目标值，根据所述网络延迟目标值和所述网络精度目标值建立移动边缘网络更新任务的总延迟及准确性权衡模型； 基于离散型软演员-评论家的深度强化学习算法，将所述总延迟及准确性权衡模型转换为具有马尔科夫决策过程的收敛优化模型； 通过采样统计获取所述最大化模型精度设备集合中的每个设备效用，由所述每个设备效用确定最大效用边缘移动设备数量； 根据所述最大效用边缘移动设备数量在所述移动边缘网络更新模型的当前全局轮次中确定模型训练状态集合，将所述模型训练状态集合输入至所述收敛优化模型，获得全局模型更新参与设备数量和陈旧容忍度； 根据所述全局模型更新参与设备数量和所述陈旧容忍度对所述移动边缘网络更新模型进行多轮训练，直至满足预设训练全球回合轮数后结束训练，得到边缘移动网络更新全集。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。