面向能量受限工业物联网设备的联邦学习资源管理

摘要：

针对工业物联网联邦学习网络中由设备电池能量有限导致的设备失效、训练中断等问题,并考虑到无线资源受限的影响,提出一种动态的多维资源联合管理算法.首先,以最大化固定训练时间学习精度为目标,将优化问题解耦为相互依赖的电池能量分配子问题、设备资源分配子问题和通信资源分配子问题.其次,基于粒子群优化算法求解能耗预算下设备传输和计算资源分配策略.再次,提出资源块迭代匹配算法求解出最佳通信资源分配策略.最后,提出在线能量分配算法动态调整设备能量分配策略.仿真结果表明,与基准算法相比,所提算法能够提高模型学习精度,在能源不足场景下性能优势更明显.

关键词：联邦学习、电池供电、资源分配、学习效率

所属期刊栏目：43

分类号：TP302(计算技术、计算机技术)

资助基金：国家重点研发计划No.2020YFB1807800

在线出版日期：2022-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：65-77