一种面向联邦学习的移动边缘计算资源管理方法

摘要

本发明涉及边缘计算领域，具体涉及一种面向联邦学习的移动边缘计算资源管理方法。本发明首先提出了一个联邦边缘学习框架，并制定了一个综合考虑计算、通信资源分配和边缘关联的模型，以最小化全局学习成本。再将该优化问题分解为两个子问题：资源分配和边缘关联，并据此设计了一种高效的资源调度算法。先求解给定单个边缘服务器的训练组，资源分配子问题的最优策略，再通过降低复杂度的迭代为多边缘服务器边缘关联问题求解一个可行的策略，从而高效逼近原问题最优解。与传统的联邦学习相比，本发明提出的框架在全局成本优化方面优于基准方案，并实现了更好的训练性能。