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！

龙图腾网获悉北京航空航天大学申请的专利一种隐私保护的分布式多智能体网络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：CN115865259B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211469686.X，技术领域涉及：H04L41/14；该发明授权一种隐私保护的分布式多智能体网络优化方法是由王薇;刘子晔;王磊;刘克新设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本一种隐私保护的分布式多智能体网络优化方法在说明书摘要公布了：本发明提供了一种隐私保护的分布式多智能体网络优化方法，属于隐私保护的技术领域。本发明在多智能体网络中进行信息传递时，在真实状态中加入扰动得到掩饰状态以掩盖真实信息进行信息传递，在此基础上发明了初始化步骤和智能体中变量的更新律。本发明能够改善分布式多智能体网络中隐私保护力度不够，而且优化过程复杂的问题。

本发明授权一种隐私保护的分布式多智能体网络优化方法在权利要求书中公布了：1.一种隐私保护的分布式多智能体网络优化方法，其特征在于，具体步骤包括： 步骤S1：建立分布式多智能体网络的优化问题模型： 步骤S1-1：建立多智能体网络的拓扑图G： G={V,E}； 其中，V为多智能体网络中的智能体节点的集合，V={v1,v2,…,vn}，n为智能体节点的总数；当两个智能体节点进行双向通信时，该两个智能体节点为一对邻居节点，其中，该一对邻居节点分别为智能体节点vi和邻居智能体节点vj，vi∈V，vj∈V，i≠j，每对邻居节点之间的边为i,j和j,i；E为多智能体网络中邻居节点之间的边的集合，E={i,j,j,i}；智能体节点vi的邻居智能体节点集合为Ni，Ni={vj|j=1,2,…,m,i,j∈E}； 步骤S1-2：根据多智能体网络的拓扑图G建立分布式一致性优化问题； 步骤S2：初始化各智能体节点的迭代变量初值： 智能体节点vi与邻居智能体节点vj的状态辅助变量的初值： 其中，xi0为智能体节点vi初始时的真实状态；εi0为智能体节点v初始时产生的随机扰动；Γi,j为初始时与边对应的乘子辅助变量；为所有智能体节点的非负的公共罚参数； 由此，邻居智能体节点与智能体节点的状态辅助变量的初值为 智能体节点与邻居智能体节点的边对应的掩饰乘子的初值∧i,j 其中，i,j为与边对应的真实乘子初值； 由此，邻居智能体节点与智能体节点的边对应的掩饰乘子初值为∧j,i，与边对应的真实乘子初值为j,i 智能体节点累积辅助变量的初值 由此，智能体节点的邻居智能体节点累积辅助变量的初值为 步骤S3：建立智能体节点vi的第一掩饰状态和第二掩饰状态： 其中，xik为智能体节点vi第k次更新时的真实状态；εik为智能体节点vi第k次更新产生的随机扰动；k=0,1,2,…,K，K为满足误差条件的最大更新次数； 由此，智能体节点vi的邻居智能体节点vj的第一掩饰状态为，第二掩饰状态为；智能体节点vi与邻居智能体节点vj之间相互传递添加了随机扰动的信息； 步骤S4：建立智能体节点的更新律： 第k+1次迭代时，更新智能体节点vi的下列变量： 其中，aik+1为智能体节点vi在第k+1次更新时的累积辅助变量；aik为智能体节点vi在第k次更新时的累积辅助变量；xik+1为智能体节点vi在第k+1次更新时的真实状态；∧i,jk为在第k次更新时与边i,j对应的掩饰乘子；∧j,ik为在第k次更新时与边j,i对应的掩饰乘子；为智能体节点vi在第k次更新时产生的非增的常数序列；θ为所有智能体节点的非负的公共罚参数；xi为智能体节点vi的估计；fixi为智能体节点vi的成本函数；|Ni|为集合Ni的元素个数；∧i,jk+1为在第k+1次更新时与边i,j对应的掩饰乘子；εik+1为智能体节点vi第k+1次更新产生的随机扰动； 步骤S5：基于步骤S2中智能体节点的迭代变量初值，根据步骤S3生成第一掩饰状态和第二掩饰状态，根据步骤S4的更新律进行迭代变量更新，直到更新次数达到K，遍历所有智能体节点vi，获得所有智能体节点vi的状态xiK，。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。