联邦学习网络中基于分层博弈的边缘关联和资源分配

摘要

在分层联邦学习网络中，引入边缘服务器需要面对边缘服务器与终端设备间交互时延和边缘聚合模型质量两大挑战。针对上述问题，利用分层博弈模型对带宽资源分配和边缘关联机制进行分析。在下层，利用演化博弈思想，提出低时延的边缘关联算法，建立终端设备自适应选择边缘服务器的机制；在上层，利用非合作博弈思想，提出平衡模型质量与带宽消耗的资源分配算法，建立边缘服务器自适应调节带宽的机制。仿真结果表明，提出的方法能够智能调节联邦学习网络中的节点，使终端设备达到低延时的边缘关联状态，边缘服务器权衡模型质量与资源消耗达到最佳带宽分配状态，可以为联邦学习网络解决边缘关联和资源分配问题提供一种新的方法。

关键词

分层联邦学习 / 演化博弈 / 非合作博弈 / 边缘关联 / 资源分配