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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于双层强化学习的联邦学习设备调度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：CN120068994B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510512002.7，技术领域涉及：G06N3/092；该发明授权基于双层强化学习的联邦学习设备调度优化方法及装置是由王鑫;范忠震;杨明;吴晓明;唐勇伟;吴法宗;刘臣胜;贺云鹏;穆超;陈振娅;徐硕设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本基于双层强化学习的联邦学习设备调度优化方法及装置在说明书摘要公布了：本发明属于联邦学习领域，具体涉及一种基于双层强化学习的联邦学习设备调度优化方法及装置，其方法包括：获取设备的当前状态特征；将设备分为个组，并通过上层强化学习为每组设备分配参与率；通过下层强化学习选择每组内参与联邦学习的设备；构建设备调度目标函数，并初始化全局模型参数，基于下层强化学习所选择的设备进行联邦学习训练，训练过程中，通过调整每组设备的参与率和优化目标的评分权重最大化设备调度目标函数，以确定设备最优调度策略。本发明利用双层强化学习策略优化联邦学习设备调度，旨在提升全局模型性能、降低设备能耗、并提高设备参与公平性。

本发明授权基于双层强化学习的联邦学习设备调度优化方法及装置在权利要求书中公布了：1.一种基于双层强化学习的联邦学习设备调度优化方法，其特征在于，所述方法包括： S1、获取设备的当前状态特征，所述设备的当前状态特征包括计算能力、电池电量以及网络延迟； S2、将设备分为个组，并通过上层强化学习为每组设备分配参与率，包括：基于每组设备中各设备的当前状态特征以及全局模型精度变化、设备总能耗构建上层强化学习的状态，基于此状态为每组设备分配参与率，并基于上层奖励函数的反馈判断是否优化调整每组设备的参与率； S3、通过下层强化学习选择每组内参与联邦学习的设备，包括：基于每组设备中各设备的当前状态特征以及各设备的本地模型精度变化、设备能耗构建下层强化学习的状态，基于此状态计算每个设备的评分机制，以选择每组内参与联邦学习的设备，并基于下层奖励函数的反馈衡量当前设备选择策略的实际效果； S4、构建设备调度目标函数，并初始化全局模型参数，基于下层强化学习所选择的设备进行联邦学习训练，训练过程中，通过调整每组设备的参与率以及优化目标的权重系数最大化设备调度目标函数，以确定设备最优调度策略；其中，所述优化目标包括全局模型精度提升、系统能耗控制和设备参与公平性。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。