本發(fā)明涉及無(wú)線(xiàn)通信，特別是涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法。

背景技術(shù)：

1、分布式平均共識(shí)的目標(biāo)是使網(wǎng)絡(luò)中的所有節(jié)點(diǎn)通過(guò)迭代通信，最終收斂到其初始狀態(tài)值的算術(shù)平均值。隨著無(wú)人機(jī)群控制、去中心化聯(lián)邦學(xué)習(xí)、數(shù)據(jù)融合等新興技術(shù)的快速發(fā)展，人們對(duì)高效、低延遲的無(wú)線(xiàn)通信需求越來(lái)越大。然而，傳統(tǒng)的無(wú)線(xiàn)網(wǎng)絡(luò)在實(shí)現(xiàn)分布式平均共識(shí)時(shí)面臨諸多挑戰(zhàn)，主要表現(xiàn)在信號(hào)干擾、網(wǎng)絡(luò)擁塞和能源限制等方面，因此，優(yōu)化無(wú)線(xiàn)網(wǎng)絡(luò)中的分布式平均共識(shí)算法顯得尤為重要。

2、現(xiàn)有的平均共識(shí)算法通常采用線(xiàn)性迭代方法，這些方法因其簡(jiǎn)單性和可擴(kuò)展性而廣受歡迎，但在確?？焖偈諗亢徒档屯ㄐ砰_(kāi)銷(xiāo)方面存在一定的局限性。為了解決這些問(wèn)題，研究人員提出了多種改進(jìn)方法，如基于半定規(guī)劃的混合矩陣優(yōu)化和考慮網(wǎng)絡(luò)拓?fù)潆S機(jī)性的共識(shí)方案。然而，這些方法在實(shí)際應(yīng)用中面臨通信成本高、效率低的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的首要目的是克服現(xiàn)有技術(shù)存在的問(wèn)題，提供一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，本發(fā)明能夠提高共識(shí)效率并降低通信成本。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，包括：

3、根據(jù)無(wú)線(xiàn)網(wǎng)絡(luò)建立無(wú)向連通圖，并確定所述無(wú)向連通圖中所有節(jié)點(diǎn)的初始狀態(tài)值的算術(shù)平均值；

4、設(shè)定共識(shí)目標(biāo)，所述共識(shí)目標(biāo)為所有節(jié)點(diǎn)的最終狀態(tài)值收斂至所述算術(shù)平均值；

5、計(jì)算實(shí)現(xiàn)所述共識(shí)目標(biāo)所需的通信時(shí)隙數(shù)；

6、以最小化所述通信時(shí)隙數(shù)為目標(biāo)建立優(yōu)化問(wèn)題；

7、構(gòu)建并訓(xùn)練基于圖神經(jīng)網(wǎng)絡(luò)的消息傳遞神經(jīng)網(wǎng)絡(luò)，獲得每個(gè)節(jié)點(diǎn)最終的嵌入向量，使用所述嵌入向量獲得每個(gè)節(jié)點(diǎn)的廣播概率；

8、使用每個(gè)節(jié)點(diǎn)的廣播概率求解所述優(yōu)化問(wèn)題，獲得最優(yōu)時(shí)隙，并基于所述廣播概率使用分布式線(xiàn)性迭代方法實(shí)現(xiàn)所述共識(shí)目標(biāo)。

9、進(jìn)一步地，所述共識(shí)目標(biāo)由下式確定：

10、1tx(0)

11、其中，為無(wú)線(xiàn)網(wǎng)絡(luò)中節(jié)點(diǎn)的數(shù)量，為節(jié)點(diǎn)，，為第個(gè)節(jié)點(diǎn)的初始狀態(tài)值。

12、進(jìn)一步地，計(jì)算實(shí)現(xiàn)所述共識(shí)目標(biāo)所需的通信時(shí)隙數(shù)的方式如下：

13、

14、其中，為共識(shí)的期望誤差容限，，為第共識(shí)步驟中的隨機(jī)混合矩陣。

15、進(jìn)一步地，所述優(yōu)化問(wèn)題如下：

16、

17、其中，，k為每個(gè)共識(shí)步驟中被調(diào)度進(jìn)行廣播的節(jié)點(diǎn)平均數(shù)量，

18、為所有節(jié)點(diǎn)的最小調(diào)度概率。

19、進(jìn)一步地，所述構(gòu)建并訓(xùn)練基于圖神經(jīng)網(wǎng)絡(luò)的消息傳遞神經(jīng)網(wǎng)絡(luò)，獲得每個(gè)節(jié)點(diǎn)最終的嵌入向量，使用所述嵌入向量獲得每個(gè)節(jié)點(diǎn)的廣播概率，具體包括：

20、(1).建立消息傳遞神經(jīng)網(wǎng)絡(luò)，所述消息傳遞神經(jīng)網(wǎng)絡(luò)包括消息傳遞階段、聚合階段和更新階段；

21、(2).迭代訓(xùn)練所述消息傳遞神經(jīng)網(wǎng)絡(luò)，獲得每個(gè)節(jié)點(diǎn)最終的圖嵌入；

22、(3).將每個(gè)節(jié)點(diǎn)最終的圖嵌入輸入rescale函數(shù)，具體為：

23、

24、獲得每個(gè)節(jié)點(diǎn)的廣播概率。

25、進(jìn)一步地，迭代訓(xùn)練所述消息傳遞神經(jīng)網(wǎng)絡(luò)具體包括：

26、(1).在每一次訓(xùn)練中，在消息傳遞階段，每個(gè)節(jié)點(diǎn)根據(jù)本地特征和鄰居節(jié)點(diǎn)的邊緣特征生成第一消息，并將所述第一消息傳遞給鄰居節(jié)點(diǎn)，其中，所述本地特征為初始狀態(tài)值、節(jié)點(diǎn)的度、pagerank值和介數(shù)中心性中至少一種，所述邊緣特征為節(jié)點(diǎn)之間的強(qiáng)度、帶寬和距離至少一種；在聚合階段，每個(gè)節(jié)點(diǎn)聚合來(lái)自所有鄰居的第一消息生成第二消息；在更新階段，每個(gè)節(jié)點(diǎn)根據(jù)所述第二消息和本地特征來(lái)更新自己的節(jié)點(diǎn)特征，前一次訓(xùn)練之后的每個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)特征作為后一次訓(xùn)練的本地特征參與訓(xùn)練；

27、(2).重復(fù)上述操作，直到上述消息傳遞神經(jīng)網(wǎng)絡(luò)收斂，獲得每個(gè)節(jié)點(diǎn)最終的圖嵌入。

28、進(jìn)一步地，迭代訓(xùn)練所述消息傳遞神經(jīng)網(wǎng)絡(luò)所使用的損失函數(shù)如下：

29、

30、其中，，為節(jié)點(diǎn)的數(shù)量，為小批量的大小。

31、進(jìn)一步地，使用每個(gè)節(jié)點(diǎn)的廣播概率求解所述優(yōu)化問(wèn)題，獲得最優(yōu)時(shí)隙,包括：

32、(1).基于對(duì)數(shù)函數(shù)的單調(diào)性對(duì)所述優(yōu)化問(wèn)題進(jìn)行重新表述，具體如下：

33、

34、其中，，；

35、(2).將每個(gè)節(jié)點(diǎn)的廣播概率輸入上式，獲得最優(yōu)時(shí)隙。

36、進(jìn)一步地，基于所述廣播概率使用分布式線(xiàn)性迭代方法實(shí)現(xiàn)所述共識(shí)目標(biāo)，具體包括：

37、(1).在每個(gè)迭代步驟中，每個(gè)節(jié)點(diǎn)根據(jù)所述廣播概率確定是否向鄰居節(jié)點(diǎn)發(fā)送自己當(dāng)前的狀態(tài)值，確定具體通過(guò)伯努利隨機(jī)變量表示：

38、

39、當(dāng)時(shí)，節(jié)點(diǎn)的狀態(tài)值被廣播給所有鄰居點(diǎn)，，節(jié)點(diǎn)不進(jìn)行廣播；

40、(2).每個(gè)節(jié)點(diǎn)根據(jù)自己的當(dāng)前狀態(tài)值和接收到的鄰居狀態(tài)值，采用線(xiàn)性加權(quán)平均的方式更新?tīng)顟B(tài)值；

41、(3).重復(fù)上述步驟，直到實(shí)現(xiàn)所述共識(shí)目標(biāo)。

42、進(jìn)一步地，每個(gè)節(jié)點(diǎn)向其鄰居節(jié)點(diǎn)廣播自己當(dāng)前的狀態(tài)值所采取的通信方式為時(shí)分多址和/或正交頻分多址。

43、本發(fā)明與現(xiàn)有技術(shù)相比，其有益效果在于：

44、本發(fā)明通過(guò)利用圖神經(jīng)網(wǎng)絡(luò)根據(jù)無(wú)線(xiàn)網(wǎng)絡(luò)拓?fù)浜凸?jié)點(diǎn)重要性動(dòng)態(tài)調(diào)整廣播概率，提高無(wú)線(xiàn)網(wǎng)絡(luò)中的共識(shí)效率,有效降低了通信成本。

技術(shù)特征：

1.一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，其特征在于，所述共識(shí)目標(biāo)由下式確定：

3.根據(jù)權(quán)利要求2所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，其特征在于，計(jì)算實(shí)現(xiàn)所述共識(shí)目標(biāo)所需的通信時(shí)隙數(shù)的方式如下：

4.根據(jù)權(quán)利要求3所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，其特征在于，所述優(yōu)化問(wèn)題如下：

5.根據(jù)權(quán)利要求4所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，其特征在于，所述構(gòu)建并訓(xùn)練基于圖神經(jīng)網(wǎng)絡(luò)的消息傳遞神經(jīng)網(wǎng)絡(luò)，獲得每個(gè)節(jié)點(diǎn)最終的嵌入向量，使用所述嵌入向量獲得每個(gè)節(jié)點(diǎn)的廣播概率，具體包括：

6.根據(jù)權(quán)利要求5所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方

7.根據(jù)權(quán)利要求6所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方

8.根據(jù)權(quán)利要求6所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方

9.根據(jù)權(quán)利要求1所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方

10.根據(jù)權(quán)利要求9所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，其特征在于，每個(gè)節(jié)點(diǎn)向其鄰居節(jié)點(diǎn)廣播自己當(dāng)前的狀態(tài)值所采取的通信方式為時(shí)分多址和/或正交頻分多址。

技術(shù)總結(jié)
本發(fā)明涉及無(wú)線(xiàn)通信技術(shù)領(lǐng)域，公開(kāi)了一種基于圖神經(jīng)網(wǎng)絡(luò)的無(wú)線(xiàn)網(wǎng)絡(luò)分布式平均共識(shí)方法，包括：根據(jù)無(wú)線(xiàn)網(wǎng)絡(luò)建立無(wú)向連通圖，并確定所述無(wú)向連通圖中所有節(jié)點(diǎn)的初始狀態(tài)值的算術(shù)平均值；設(shè)定共識(shí)目標(biāo)，所述共識(shí)目標(biāo)為所有節(jié)點(diǎn)的最終狀態(tài)值收斂至所述算術(shù)平均值；計(jì)算實(shí)現(xiàn)所述共識(shí)目標(biāo)所需的通信時(shí)隙數(shù)；以最小化所述通信時(shí)隙數(shù)為目標(biāo)建立優(yōu)化問(wèn)題；構(gòu)建并訓(xùn)練基于圖神經(jīng)網(wǎng)絡(luò)的消息傳遞神經(jīng)網(wǎng)絡(luò)，獲得每個(gè)節(jié)點(diǎn)最終的嵌入向量，使用所述嵌入向量獲得每個(gè)節(jié)點(diǎn)的廣播概率；使用每個(gè)節(jié)點(diǎn)的廣播概率求解所述優(yōu)化問(wèn)題，獲得最優(yōu)時(shí)隙，并基于所述廣播概率使用分布式線(xiàn)性迭代方法實(shí)現(xiàn)所述共識(shí)目標(biāo)。本發(fā)明能夠提高共識(shí)效率并降低通信成本。

技術(shù)研發(fā)人員：姜淼,胡眾,李亦卿
受保護(hù)的技術(shù)使用者：廣東工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19