一种针对分布式边缘学习中的模型聚合的分组优化方法

摘要

本发明公开了一种针对分布式边缘学习中的模型聚合的分组优化方法。所述方法包括以下步骤：量化各设备的本地数据分布与全局数据分布的差异；计算设备间点对点传输的最小传输时延；采用启发式的遗传算法编码网络中设备可能的分组方式，并通过遗传操作来自动的搜寻最优的分组结果，确定设备分组后模型分组聚合的方式；将网络中的设备划分为不同的组，并且设备按照获取的分组方式进行分组训练及分组模型聚合。本发明能够在不提前指定分组数的前提下根据网络中节点的数据分布和节点间的传输时延自动的对网络中的设备进行分组，有效的减缓了在分布式边缘学习中设备间数据分布非独立同分布对全局模型收敛性能的影响，提高全局模型的训练精度和收敛速度。