基于主從博弈的分層聯(lián)邦學習激勵機制研究

摘要： 為了優(yōu)化分層聯(lián)邦學習(FL)全局模型的訓練時延，針對實際場景中終端設(shè)備存在自私性的問題，該文提出一種基于博弈論的激勵機制。在激勵預算有限的條件下，得到了終端設(shè)備和邊緣服務(wù)器之間的均衡解和最小的邊緣模型訓練時延?？紤]終端設(shè)備數(shù)量不同，設(shè)計了基于主從博弈的可變激勵訓練加速算法，使得一次全局模型訓練時延達到最小。仿真結(jié)果顯示，所提出的算法能夠有效降低終端設(shè)備自私性帶來的影響，提高分層...