基于Lyapunov优化的半异步联邦学习资源分配算法

摘要

针对无线网络中联邦学习面临的设备异构性、通信资源受限等问题，提出了基于Lyapunov优化的半异步联邦学习资源分配算法。该算法通过Lyapunov优化理论选择每轮率先完成本地训练的多个客户端参与全局模型更新，同时联合优化客户端的资源分配，将半异步聚合控制、中央处理器频率与发射功率的长期优化问题转化为每个通信轮次的优化问题并求解，进一步设计动态聚合机制，最小化了长期平均联邦学习时延。实验结果表明，所提资源分配算法在保证模型精度的同时，较同步算法和固定聚合数量算法分别降低了约45%和6%的联邦学习时延，验证了该算法在无线网络中的有效性和稳健性。

关键词

半异步联邦学习 / 资源分配 / Lyapunov优化 / 聚合策略