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！

龙图腾网获悉西安电子科技大学申请的专利基于共生多智能体强化学习的联邦学习分布式模型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：CN119360057B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411520353.4，技术领域涉及：G06V10/74；该发明授权基于共生多智能体强化学习的联邦学习分布式模型优化方法是由崔储韬;李竟蔚;顾华玺设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于共生多智能体强化学习的联邦学习分布式模型优化方法在说明书摘要公布了：本发明提出一种基于共生多智能体强化学习的联邦学习分布式模型优化方法，实现步骤为：构建联邦学习系统；每个客户端获取本地训练样本集，服务器获取全局测试样本集；服务器对每个客户端进行自适应共生聚类；服务器构建共生多智能体强化学习网络，并初始化参数；服务器发送本地图像分类模型到每个客户端；每个集群的每个客户端对本地图像分类模型进行迭代训练；每个集群的每个客户端对模型参数进行剪枝并上传参数差异；服务器获取全局模型优化结果。本发明通过自适应共生聚类，实现定制化聚类，提高系统整体精度；通过共生多智能体强化学习网络对模型参数进行剪枝，使不同集群客户端选择最优剪枝率，优化参数计算，提高训练效率。

本发明授权基于共生多智能体强化学习的联邦学习分布式模型优化方法在权利要求书中公布了：1.一种基于共生多智能体强化学习的联邦学习分布式模型优化方法，其特征在于，包括如下步骤： 1构建联邦学习系统： 构建包括服务器和N个客户端的中心化的联邦学习系统，其中N≥5，第n个客户端为Cn； 2每个客户端获取本地训练样本集，服务器获取全局测试样本集： 每个客户端Cn获取包含Z个目标类别的M幅图像，并对每幅图像中的目标进行标注，然后将所有图像及对应的标签组成本地训练样本集；同时服务器将包含Z个目标类别的Mp幅图像及其对应的标签组成全局测试样本集，其中，Z≥2，M≥3000，Mp≥10000； 3服务器对客户端进行自适应共生聚类： 服务器对N个客户端进行自适应共生聚类，得到各包含I个客户端的K个集群，其中K≥2，第k个集群为Vk，I≥1，第k个集群中的第i个客户端为 4服务器构建共生多智能体强化学习网络，并初始化参数： 服务器为每个集群Vk构建深度Q网络智能体，K个深度Q网络智能体组成共生多智能体强化学习网络，同时服务器初始化全局聚合轮次为x，最大全局聚合轮次为X，X≥10，并令x＝0； 5服务器发送本地图像分类模型到每个客户端： 服务器将第x轮本地图像分类模型ωx发送至每个客户端 6每个集群的每个客户端对本地图像分类模型进行迭代训练： 每个集群的每个客户端通过本地训练样本集对本地图像分类模型进行迭代训练，得到训练好的参数为的本地图像分类模型 7每个集群的每个客户端对模型参数进行剪枝并上传参数差异： 每个集群的每个客户端通过共生多智能体强化学习网络对训练好的本地图像分类模型的参数进行剪枝，并将剪枝前后模型参数的差异上传到服务器； 8服务器获取全局模型优化结果： 服务器基于每个客户端上传的进行加权平均聚合，更新本地图像分类模型与共生多智能体强化学习网络，并通过全局测试样本集评估第x轮的模型ωx的准确率Acc和损失值Loss；然后判断x＝X是否成立，若是，得到优化后的全局本地图像分类模型ωX，否则，服务器发送ωx到每个集群的每个客户端，令x＝x+1，并执行步骤5。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。