异质能量约束的集群学习节点选择机制

摘要

针对异质能量约束的集群学习(Swarm Learning, SL)系统中的节点选择问题,提出了一种基于组合多臂赌博机(Combinatorial Multi-Armed Bandit, CMAB)的能量感知的节点选择(Energy Aware Node Selection, EANS)算法。EANS算法考虑了集群学习所在无线网络质量对传输的影响,结合模型训练时延设计基于时延的优化目标,利用CMAB理论将原节点选择问题转化为在线的最小化时延的形式。再结合李雅普诺夫优化(Lyapunov Optimization)定义能量消耗赤字队列来控制节点的能耗,通过同时最小化时延和能耗实现保证集群学习整体训练效率的同时不违背能量约束。实验结果表明,EANS算法较传统算法有更好的能耗表现。在最坏的情况下,EANS的能耗仅占传统算法的54.6%,且时延性能接近理论的最优算法。