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！

龙图腾网获悉大连理工大学申请的专利一种基于零阶梯度技术的分布式梯度追踪非凸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：CN116382087B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202310418973.6，技术领域涉及：G05B13/04；该发明授权一种基于零阶梯度技术的分布式梯度追踪非凸优化方法是由王东;刘帅;连捷设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种基于零阶梯度技术的分布式梯度追踪非凸优化方法在说明书摘要公布了：本发明提出一种基于零阶梯度技术的分布式梯度追踪非凸优化方法VS‑ZOGT，基于无梯度技术解决网络化系统中的非凸优化问题。特别地，采用变样本容量方法下设计了一类零阶梯度估计器框架以实现在有偏梯度估计情形下算法能够以固定步长的更新形式几乎确定性收敛。在网络通讯不稳定的场景中，使用随机网络模型执行分布式系统的信息交换任务，并使用独立的非协调步长执行各自主体上的优化目标。本发明能够保证稳定减少目标函数梯度估计的方差，并消除高维优化问题中收敛速度和函数查询复杂度之间的冲突关系。与已有的零阶优化方法相比，本发明方法是更有效率的非凸问题优化算法。另外，通过仿真实验证明上述技术方案的可行性和有效性。

本发明授权一种基于零阶梯度技术的分布式梯度追踪非凸优化方法在权利要求书中公布了：1.一种基于零阶梯度技术的分布式梯度追踪非凸优化方法，其特征在于，具体步骤如下：步骤1：建立网络化分布式多主体优化模型，具体为寻找函数fx的最小化解，所述优化模型用下式表示： 其中fix:Rd→R是节点i上非凸的局部隐私函数，d为优化变量的维度，R表示实数域，n为网络中的节点数目；x表示决策估计信息；fx存在最小值，即步骤2：构建期望意义下强连通的图模型，使用时变随机图刻画网络化系统中复杂的信息交换关系；所述时变随机图表示为Gk:{V,Ek},其中V:{1,2,…,n}为节点集合，为节点在k时刻发生信息交换的边集；在每个k时刻，节点i执行本地运算并与它的邻居节点j交换非隐私信息,即i,j∈Ek,j∈Nik；Nik表示k时刻节点i的邻居集合，信息交换阶段始终存在i∈Nik描述节点i上的自环情形；k时刻，Gk对应的邻接矩阵表示为Ak,当i,j∈Ek时Ak中的aij0,否则，aij＝0；Ak满足双随机矩阵的性质： 其中1n表示所有元素均为1的n×1维向量，表示向量1n的转置向量，维度为1×n维；此外，期望意义下连通图对应的邻居矩阵记为步骤3：使用变样本容量技术设计零阶梯度估计器如下： 其中xik表示k时刻节点i上的局部决策估计；μk表示k时刻使用的光滑参数，满足μk≤μk-1且Nk表示k时刻采样样本次数，满足Nk-1≤Nk且uq表示k时刻第q次采样使用的随机噪声μ，随机噪声μ由单位球面上的均匀分布Usp生成；步骤4：设置各个节点的初始决策状态xi0∈Rd，估计初始时刻的梯度信息并初始化梯度估计信息为yi0＝gi0；选择合适的非协调步长0αi1-ρA2ρAL，更新k+1时刻隐私函数fix解的局部估计： 其中ρA＝E‖Ak-C‖表示期望意义下矩阵Ak-C的谱半径，L表示李普希兹常数；yjk表示k时刻节点j上的全局梯度估计信息；根据步骤2，ρA∈0,1；步骤5：利用步骤4得到的xik+1，执行k+1时刻关于隐私函数fix的梯度估计更新，梯度估计器使用步骤4给出的形式，进而得到： 步骤6：根据步骤5得到的gjk+1，使用梯度追踪技术执行k+1时刻全局梯度估计的更新： 步骤7：判断是否满足终止条件xik+1＝xik+2＝…＝xik+l其中xik+l表示k时刻后状态第l次的更新；若不满足终止条件，继续执行步骤5-7的更新。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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”。