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！

龙图腾网获悉北京信息科技大学申请的专利基于帕累托最优性的分层联邦学习模型优化方法及装置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：CN117273121B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202311235492.8，技术领域涉及：G06N3/098；该发明授权基于帕累托最优性的分层联邦学习模型优化方法及装置是由李卓;顿婧博;耿方兴;杜辉设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本基于帕累托最优性的分层联邦学习模型优化方法及装置在说明书摘要公布了：本发明提供一种基于帕累托最优性的分层联邦学习模型优化方法及装置，其中方法包括：基于云服务器的最大预算，求解使得全部参与者的效用函数值的累加值最大的帕累托前沿；所述参与者包括所述云服务器、边缘服务器和移动设备；从所述帕累托前沿中寻找帕累托公平解；所述帕累托公平解为所有参与者的效用函数值均最大化的帕累托最优解；基于所述帕累托公平解，确定目标边缘服务器集以及目标移动设备集，并基于所述目标边缘服务器集和所述目标移动设备集，进行分层联邦学习的模型训练。从而可以在最大预算下同时激励每个参与者，实现每个参与者的效用最大化，聚合得到高质量的全局模型。

本发明授权基于帕累托最优性的分层联邦学习模型优化方法及装置在权利要求书中公布了：1.一种基于帕累托最优性的分层联邦学习模型优化方法，其特征在于，包括： 基于云服务器的最大预算，求解使得全部参与者的效用函数值的累加值最大的帕累托前沿；所述参与者包括所述云服务器、边缘服务器和移动设备； 从所述帕累托前沿中寻找帕累托公平解；所述帕累托公平解为所有参与者的效用函数值均最大化的帕累托最优解； 基于所述帕累托公平解，确定目标边缘服务器集以及目标移动设备集，并基于所述目标边缘服务器集和所述目标移动设备集，进行分层联邦学习的模型训练； 所述从所述帕累托前沿中寻找帕累托公平解，具体包括： 基于所述帕累托前沿，确定目标权重系数； 根据所述目标权重系数，确定所述帕累托公平解； 所述确定目标权重系数，包括： 初始化第一权重系数，计算所述第一权重系数对应的全部参与者的效用函数值，将所述第一权重系数对应的全部参与者的效用函数值中的绝对值最小值作为第一数值和第二数值； 基于所述第一权重系数、所述第一权重系数对应的全部参与者的效用函数值、所述第二数值和当前迭代次数，更新所述第一权重系数，并计算更新后的第一数值； 在所述更新后的第一数值大于或等于所述第二数值的情况下，将所述更新后的第一数值作为第二数值； 重复计算所述更新所述第一权重系数，计算更新后的第一数值，以及在所述更新后的第一数值大于或等于所述第二数值的情况下，将所述更新后的第一数值作为第二数值的过程，直至更新后的第一权重系数相对于更新前的第一权重系数的变化值小于设定阈值，将所述第二数值对应的权重系数作为所述目标权重系数； 所述第一权重系数根据以下公式更新： 式中，kt+1为所述当前迭代次数为t+1时的第一权重系数，kt为所述当前迭代次数为t时的第一权重系数，I·为指示函数，·为真时I·＝1，否则I·＝0，为所述当前迭代次数为t时的所述第一权重系数对应的第i个参与者的效用函数值，为所述全部参与者的集合，为所述当前迭代次数为t时的第二数值，α为初始化的第一系数，α∈0,1，Kt＝minKt-1+1,Kmin，其中，K0＝1，Kmin为初始化的第二系数。

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北京信息科技大学，其通讯地址为：102206 北京市昌平区太行路55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”。