申请/专利权人：华中科技大学;国网湖北省电力有限公司电力科学研究院

申请日：2022-05-26

公开（公告）日：2023-03-14

公开（公告）号：CN115001787B

主分类号：H04L9/40

分类号：H04L9/40;G06F17/11

优先权：

专利状态码：有效-授权

法律状态：2023.03.14#授权;2022.09.20#实质审查的生效;2022.09.02#公开

摘要：本发明提供了一种适用于受攻击情况下多智能体网络的分布式优化方法，涉及系统、网络安全和信息技术领域。本发明考虑了网络中至多有F个智能体受到攻击的情况，每个智能体每次更新迭代之前对入邻居的信息进行适应性过滤，得到可信的信息进行使用，同时在迭代过程中，使用了平均梯度跟踪法来加快迭代速度，最终使得智能体的决策趋于一致，收敛到每个智能体最优值的凸组合中。本发明在多智能体网络受到外部攻击或者网络内存在恶意智能体的情况下，不需要识别受到攻击智能体，即可适应外部攻击，加快收敛速度，适用于邻接矩阵为非对称的行随机矩阵的应用场景，具有普适性。

主权项：1.一种适用于受攻击情况下多智能体网络的分布式优化方法，其特征在于，包括：S1.在多智能体网络受攻击情况下，使网络中未受攻击智能体的决策值和梯度值按照以下步骤进行更新：01.设置初始的未受攻击智能体的决策值和平均梯度估计值；02.未受攻击智能体基于带攻击情况下的多智能体网络结构拓扑图分别收集它入邻居的决策值和梯度估计值；同时向其所有的出邻居发送其当前决策值和平均梯度估计值；03.未受攻击智能体vi对收集到的决策值按照大小进行排序，并与vi自身的决策值进行比较；如果大于vi自身决策值的个数大于F，移除大于其自身决策值的F个最大值；如果小于vi自身决策值的个数大于F，移除小于其自身决策值的F个最小值；如果大于或小于vi自身决策值的个数小于或等于F，则删除所有大于或小于vi自身决策值的值；如果收集到的决策值与vi自身决策值相等，则保留这些值；得到智能体vi在每次迭代t中保留满足以上条件的决策值对应的智能体的集合Jit，F为网络中至多能够承受外部恶意节点攻击的数目；i为第i个智能体；Ni表示第i个智能体决策值的入邻居集合；同理得到智能体vi在每次迭代t中保留的梯度估计值对应的智能体的集合Kit；Wi表示第i个智能体梯度值的入邻居集合；04.未受攻击智能体根据其在迭代t中自身的决策值和Jit中保留邻居的决策值的加权平均和递减步长与平均梯度的乘积值更新自身决策值；同时根据其在迭代t中自身的梯度估计值和Kit中保留邻居的梯度估计值的加权平均和两次梯度的差值更新梯度估计值；S2.设定相关参数，不断重复步骤S1中02-04，使决策值所求解与最优解之间的误差值最小，得到智能体的近似最优决策值。

全文数据：

权利要求：

百度查询： 华中科技大学;国网湖北省电力有限公司电力科学研究院 一种适用于受攻击情况下多智能体网络的分布式优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD