无蜂窝网络中的联邦学习用户调度与资源优化

作     者：王华华 黄烨霞 李玲 王嘉程 

作者机构：重庆邮电大学通信与信息工程学院 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：重庆市自然科学基金创新发展联合基金(中国星网)(CSTB2023NSCQ-LZX0114) 

主　　题：无蜂窝网络 联邦学习 用户调度 K-means聚类 资源优化 

摘      要：在无蜂窝网络环境下实施联邦学习（FL）时，用户调度和资源分配策略对优化系统时间开销、提升用户可达速率以及加速FL收敛速率至关重要。为解决资源分配不均的问题，本文设计了联合用户调度、CPU处理频率和功率分配的优化方案。通过最大化系统的最小用户速率来实现资源的公平分配，并提升FL性能。联合优化问题被分解为两个子问题：用户调度和功率分配。在用户调度方面，本研究设计了基于K-means聚类的贪婪调度算法，以综合评估用户的信道状态和数据“价值，并将用户划分为不同的群组。随后，针对每个群组的资源占用情况，为组内用户制定个性化的CPU处理频率分配方案。最后，通过在各群组中独立执行用户调度，实现了高效且精准的用户选择，并通过提前分组有效降低了用户选择的复杂度。在功率分配方面，本文引入了基于二分法的功率分配算法（BM-PA）。该算法不仅考虑了用户间的公平性，还针对资源受限用户进行了优先处理，以确保其能够获得更优质的资源分配。BM-PA算法通过低复杂度的迭代优化过程，实现了功率分配的快速收敛，并在保证系统性能的同时，显著提升了资源的利用效率。在本文中合理的用户调度策略是功率分配子问题获得优解的基础，本文采用交替迭代的方法允许在每个子问题中独立进行优化，同时考虑到另一个子问题的解。这种相互依赖的关系通过多轮迭代优化过程，确保功率资源被合理地分配给那些最需要或最有可能有效利用它们的用户，从而使系统整体性能得到提升。本研究实现了联合优化求解，显著提升了系统整体性能。仿真实验结果表明，与基准算法相比，本研究所提算法在提升上下行可达速率方面表现出色。在下行可达速率方面，最佳情况下平均提升幅度高达103.34%；在上行可达速率方面，最佳提升幅度达到102.78%。此外，本研究算法相较于基准算法还能平均节省67.44%的FL任务训练时间，特别是在FL学习模型精度达到90%时，所提算法的时间开销最小。