-
公开(公告)号：CN115099417A
公开(公告)日：2022-09-23
申请号：CN202210754244.3
申请日：2022-06-28
Applicant: 贵州大学
IPC: G06N20/00
Abstract: 本发明设计了一种基于斯塔克尔伯格博弈的多因子联邦学习激励机制，旨在打破无激励条件下的囚徒困境，选取真正符合联邦学习任务要求的用户，最大化联邦学习效用，确保联邦学习生态系统的健康发展。其主要思想是从开销和效用两方面入手，设计高效公平的联邦学习激励机制。我们基于反向拍卖设计开销选择算法，从而减少任务发布者选取数据拥有者的开销，并设计多因子奖励函数进行激励。在此基础上，我们建立了斯塔克尔伯格博弈模型，在动态环境下实现最佳奖励策略和最佳训练策略。
-
公开(公告)号：CN113469684A
公开(公告)日：2021-10-01
申请号：CN202110803834.6
申请日：2021-07-16
Applicant: 贵州大学
Abstract: 本发明设计了一种基于联盟链的公平能源交易方式，旨在保证能源交易过程中的交易公平，提高交易效率。在相同的交易环境下，基于联盟链的公平能源交易方式效率明显高于基于其他技术的交易方法。其主要思想是能源交易节点在争夺有限交易资源时，系统将会依据交易实体的活跃信誉值高低进行资源分配。方案结合智能合约提出交易奖惩机制保障交易过程的公平性，当出现交易欺诈或是交易终止时，智能合约将启动交易奖惩机制。根据能源交易的具体情况，对破坏交易的实体进行惩罚，同时奖励遵守交易规则的另一方交易实体。
-
公开(公告)号：CN115099861A
公开(公告)日：2022-09-23
申请号：CN202210754436.4
申请日：2022-06-28
Applicant: 贵州大学
Abstract: 本发明设计了一种基于联盟链的能源交易动态定价方式，旨在提供能源交易实体在交易中的最佳交易策略，提高交易满意度。在相同的交易环境下，基于联盟链的能源交易动态定价方式满意度明显高于基于其他技术的定价方法。其主要思想是根据市场需求状况和能源交易实体自身条件，从能源交易价格和能源交易匹配过程两方面入手，保证能源交易的满意度。我们建立了能源交易的价格博弈模型，在动态随机环境下实现模型的最佳能源交易策略，并在此基础上使用能源交易智能合约，确保能源交易过程的公平性。当出现交易欺诈或是交易终止时，智能合约将启动交易奖惩机制。方案将所有能源交易实体划分为不同区域，并统计整合区域内的交易意向生成交易图，利用优化匹配机制构建最优的交易匹配。
-
公开(公告)号：CN116208358A
公开(公告)日：2023-06-02
申请号：CN202211437047.5
申请日：2022-11-16
Applicant: 贵州大学
Abstract: PBFT作为区块链中达成信息一致性的共识算法，更适合应用于具有部分去中心化、抗拜占庭节点特征的联盟链中。但是现存的联盟链共识算法PBFT的性能随着区域节点规模增大而显著降低，极大地限制大规模联盟链的发展。针对上述问题，本文提出一种基于信誉评估模型的分片式PBFT共识算法。我们首先使用分片技术将大规模的节点集群划分为高效率小规模的节点集群，以局部共识实现整体共识。其次通过信誉评估模型赋予节点不同的信誉等级，选用高信誉评估分节点优先当选主节点，并首次提出灰色区域概念，通过整合节点类型，提高共识方案的稳定性。最后仿真实验结果表明，在大规模节点环境下，本发明具有高性能的优势，提供更高的共识稳定性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
