面向车辆与参数服务器双向选择的联邦学习算法

作     者：庄琲 韩志博 聂锦标 李子怡 林尚静 ZHUANG Bei;HAN Zhibo;NIE Jinbiao;LI Ziyi;LIN Shangjing

作者机构：北京邮电大学安全生产智能监控北京市重点实验室北京100876 

基　　金：国家自然科学基金中英爱丁堡皇家国际合作交流基金(61701034) 

出 版 物：《无线电通信技术》 (Radio Communications Technology)

年 卷 期：2024年第50卷第1期

页      码：203-212页

摘      要：联邦学习框架正逐渐被广泛应用于车联网领域,针对车辆的移动性特点以及大量车辆联邦学习时同时接入参数服务器交互参数易产生的通信拥塞的问题,提出了一种基于模糊逻辑的车辆选择和基于演化博弈的参数服务器选择算法。通过设计模糊逻辑算法,考虑车辆的移动性、设备条件以及数据量因素来选择通信连接较稳定、计算能力较强和数据量多的车辆参与联邦学习。采用演化博弈进一步刻画选出的车辆自主决策选择参数服务器的过程,平衡联邦学习模型准确度以及产生的通信和计算成本,从而避免通信拥塞并最大化车辆个体利益和整体利益。仿真验证了大量车辆场景下所提出算法的性能,实现模型训练的低成本、高精度。

主 题 词：车联网 联邦学习 演化博弈 模糊逻辑 复制者动态 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

D　O　I：10.3969/j.issn.1003-3114.2024.01.025

馆 藏 号：203125318...