1.一种无人机集群任务协作方法,其特征在于,包括以下步骤:步骤1、模型拆分,将模型拆分为两部分,交付给不同组别的无人机进行训练,同时对拆分的模型增加了对应的辅助函数;其中,集群各无人机节点在出发时已预先存储完整的初始模型,网络模型拆分后的两部分为MS和MC、对应的辅助函数为AFS和AFC,无人机集群按分组算法实现分组后,根据节点分布情况,将组等分为服务器组GS和客户端组GC,两大组分别启用并训练模型MS和MC;
步骤2、模型训练,在特定的全局轮中,各无人机接收到上一轮全局聚合后的模型和辅助函数;具体为:在特定的全局轮t中,所述服务器组GS中各无人机s∈GSt接收到上一轮全局聚合后的模型和辅助函数所述客户端组GC中各无人机c∈GCt接收到上一轮全局聚合后的模型和辅助函数并让步骤3、组长选取,大小组长节点的选取即选取高信誉节点,由高信誉节点在联邦学习中负责聚合与分发参数;
步骤4、辅助函数,通过自编码器提取输入数据的潜在特征,将其用于重构出与输入数据相同尺寸且带有表征特征的输出结果。
2.根据权利要求1所述的无人机集群任务协作方法,其特征在于:步骤1中,在经过特定次数的迭代轮次后,组间进行训练模型的交换,来最大化利用各节点的本地数据集。
3.根据权利要求1所述的无人机集群任务协作方法,其特征在于:步骤2具体包括以下步骤:步骤21、所述客户端组GC各无人机节点c在上一轮客户端模型上并行执行前向传播,将其训练得到的中间数据传递给辅助函数由进行简易的反向传播;
步骤22、所述服务器组GS各无人机节点s执行辅助函数执行简易的前向传播,将输出的训练数据传递给服务器端模型进行反向传播;
步骤23、所述客户端组GC和所述服务器组GS两大组并行地处理前向传播和反向传播,并在一次迭代的最后,交换各自的参数,以此优化辅助函数和模型,并将优化后的模型和辅助函数参数分发下去;
步骤24、重复步骤21-步骤23过程。
4.根据权利要求3所述的无人机集群任务协作方法,其特征在于:步骤21中,基于本地损失函数,更新参数得到和其中,ηt为第t轮的学习率。
5.根据权利要求3所述的无人机集群任务协作方法,其特征在于:步骤22中,更新参数得到和其中,ηt为第t轮的学习率。
6.根据权利要求3所述的无人机集群任务协作方法,其特征在于:步骤23中,所述客户端组GC优化后的模型和辅助函数会更新为
7.根据权利要求1所述的无人机集群任务协作方法,其特征在于:步骤3中,信誉T的计算公式如下:T=α1C1+α2C2+α3C3,
其中,各参数含义如下:
C1:节点上传的参数与聚合后更新的参数的近似程度;
C2:节点数据集的差异因素;
C3:节点自身状态;
α1,α2,α3:加权参数,满足α1+α2+α3=1,数值的设置根据参数对信誉的影响程度而定。
8.根据权利要求1所述的无人机集群任务协作方法,其特征在于:步骤4中,所述辅助函数采用自编码器,所述自编码器包括编码器、潜在特征表示模块和解码器。