无线边缘网络中有效联邦学习的最小-最大代价优化方法

摘要

本发明属于通信技术领域，公开了一种无线边缘网络中有效联邦学习的最小‑最大代价优化方法，通过局部精度、子载波分配、发射功率分配和计算资源分配的联合优化，以达到无线边缘网络中有效联邦学习的最佳性能；其中，子载波分配和功率分配采用拉格朗日对偶分解法，CPU周期频率采用启发式算法，通过迭代算法获得局部精度。为了降低直接求解问题的计算复杂度，本发明将原问题分解为若干个子问题进行求解并设计了高效的算法。仿真结果表明，本发明所提出的算法具有良好的收敛性能，能够在能量消耗和学习时间之间实现折衷，并且在成本方面能够为所有智能设备提供公平性，并通过与现有方案的比较，本发明能够在能量消耗和学习时间之间实现折衷。