南京邮电大学学报(自然科学版)

作者：吴家皋,蒋宇栋,刘林峰

单位：南京邮电大学计算机学院，江苏 南京 210023；江苏省大数据安全与智能处理重点实验室，江苏 南京 210023南京邮电大学计算机学院，江苏 南京 210023；江苏省大数据安全与智能处理重点实验室，江苏 南京 210023南京邮电大学计算机学院，江苏 南京 210023；江苏省大数据安全与智能处理重点实验室，江苏 南京 210023

关键词：联邦学习；异构性；三维网格；客户端选择；多臂老虎机

基金：国家自然科学基金（62272237，61872191）资助项目

针对联邦学习（Federated Learning，FL）系统异构性而导致的训练性能下降问题，提出了一种自适应的网格化联邦学习客户端调度算法。首先，全面考虑FL 的异构性特点，将3 种异构性分别定义为3 个独立的维度，包括训练速度、数据量和数据分布维度，提出了一种新的FL 客户端三维网格模型，并将所有客户端分配到该模型中相应的单元格内，以对其进行分类管理。在此基础上，为了克服传统启发式算法的不足，提出了一种基于多臂老虎机的网格化客户端调度算法，该算法能自适应地选择模型精度较低的单元格中的客户端子集参与每轮的FL 训练，以改善客户端选择的公平性。仿真实验表明，与几种相关的最新FL 算法相比，所提出的算法能显著提高模型精度，同时减少训练时间，从而验证了其有效性。

来源：2025年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第01期