一种智能体协同感知与资源调度方法技术

本发明专利技术公开了一种智能体协同感知与资源调度方法，属于资源协同调度技术领域，包括以下步骤：S1、初始化与架构搭建，S2、边缘感知与数据处理，S3、局部协同与策略生成，S4、全局调度与协同执行，S5、反馈优化与模型更新，通过构建分层协同架构，底层利用边缘计算进行数据预处理减少传输量，中层借助联邦学习实现安全高效的数据融合与模型更新，高层基于拉格朗日对偶分解法结合遗传算法优化全局资源调度，达到降低系统复杂度、平衡资源分配的目的；同时引入自适应通信机制，依据信道质量等动态调整通信策略，降低数据交互能耗，提升通信可靠性。

【技术实现步骤摘要】

技术介绍

1、智能体协同感知与资源调度是分布式人工智能领域的关键技术，旨在通过多智能体系统(mas)的协作实现环境感知与资源调度；

2、现有技术中的智能体协同感知与资源调度，多采用集中式调度架构，智能体需将感知数据统一上传至中心服务器处理，网络延迟与数据传输瓶颈导致决策滞后，无法适应动态变化环境，且静态资源分配策略未考虑智能体的实时状态与任务需求变化，造成部分智能体资源闲置，而部分智能体资源紧张，此外频繁的数据交互与冗余计算增加了智能体的能耗，缩短设备续航时间，不利于长期稳定运行，同时因通信与协作模式固定，难以应对复杂的任务场景，导致协同效果不佳。

技术实现思路

1、本专利技术主要提供一种智能体协同感知与资源调度方法，能够解决上述
技术介绍
所提出的实时性差、资源利用率低、能耗高、协调性差的问题。

2、为实现上述目的，本专利技术提供如下技术方案：一种智能体协同感知与资源调度方法，包括：

3、首先融合边缘计算、联邦学习、深度强化学习技术，构建分层协同架构，底层智能体负责基础感知本文档来自技高网...

【技术保护点】

1.一种智能体协同感知与资源调度方法，其特征在于：

2.根据权利要求1所述的一种智能体协同感知与资源调度方法，其特征在于：所述分层协同架构中，底层智能体采用边缘计算技术，中层智能体利用联邦学习算法进行局部数据融合与模型更新，高层智能体基于拉格朗日对偶分解法优化算法。

3.根据权利要求1所述的一种智能体协同感知与资源调度方法，其特征在于：所述联邦学习在协同训练感知模型过程中，采用安全多方计算技术保障数据交互的安全性，通过同态加密、差分隐私手段对上传的模型参数更新值进行加密与隐私保护，防止数据泄露。

4.根据权利要求1所述的一种智能体协同感知与资源调度方法...

【技术特征摘要】

1.一种智能体协同感知与资源调度方法，其特征在于：

2.根据权利要求1所述的一种智能体协同感知与资源调度方法，其特征在于：所述分层协同架构中，底层智能体采用边缘计算技术，中层智能体利用联邦学习算法进行局部数据融合与模型更新，高层智能体基于拉格朗日对偶分解法优化算法。

3.根据权利要求1所述的一种智能体协同感知与资源调度方法，其特征在于：所述联邦学习在协同训练感知模型过程中，采用安全多方计算技术保障数据交互的安全性，通过同态加密、差分隐私手段对上传的模型参数更新值进行加密与隐私保护，防止数据泄露。

4.根据权利要求1所述的一种智能体协同感知与资源调度方法，其特征在于：所述深度q网络在动态调整资源分配策略时，引入注意力机制，优先关注对任务执行影响大的资源状态，提高策略调整的针对性与准确性。

5.根据权利要求1所述的一种智能体协同感知与资源调度方法，其特征在于：所述自适应通信机制根据智能体间的距离、网络拓扑结构以及信道质量动态调整通信功率和编码调制方式，当信道质...

【专利技术属性】
技术研发人员：于雅珊，
申请(专利权)人：北京价值前沿科技有限公司，
类型：发明
国别省市：