[发明专利]无线联邦学习调度优化方法及装置

权利要求书

1.一种无线联邦学习调度优化方法，其特征在于，所述方法包括：

在学习任务创建完成后，在联邦学习的每轮迭代循环中，向多个处理设备发送资源查询请求；所述资源查询请求用于请求所述处理设备返回资源信息；

在接收到所述处理设备反馈的资源信息后，从所述多个处理设备中选择处理所述学习任务的i个处理设备，所述i为正整数；

根据所述资源信息确定所述i个处理设备的下载顺序；

按照所述下载顺序为所述i个处理设备分配所述学习任务对应的全局模型；所述i个处理设备中的每个处理设备在下载所述全局模型完成后对所述全局模型进行训练，并在上传资源未被占用时上传训练得到的模型参数；所述下载顺序使得所述i个处理设备的处理总延迟最小，所述处理总延迟包括各个处理设备的下载前的等待时长、下载时长、上传时长、计算时长和上传前的等待时长；

获取所述i个处理设备上传的模型参数；

基于所述模型参数确定新的全局模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述资源信息确定所述i个处理设备的下载顺序，包括：

根据所述资源信息，确定所述i个处理设备中每个处理设备处理所述学习任务所需的计算时长和下载时长；

获取预先设置的j个优先级参数，所述j为大于1的整数；

对于所述j个优先级参数中的每个优先级参数，使用所述优先级参数计算每个处理设备的优先级概率，并将所述i个处理设备的优先级概率按照从大到小的顺序排列，得到所述优先级参数对应的设备序列；

分别模拟所述j个优先级参数对应的设备序列的总循环时长；

将最小的总循环时长对应的设备序列确定为所述下载顺序。

3.根据权利要求2所述的方法，其特征在于，所述使用所述优先级参数计算每个处理设备的优先级概率，通过下式表示：

其中，表示优先级概率，α_j表示优先级参数，表示计算时长，表示下载时长。

4.根据权利要求1所述的方法，其特征在于，所述计算时长通过下式表示：

其中，τ是本地更新的次数，d_i是本地批处理的大小，a_i＞0是计算最大值的恒定参数，μ_i＞0是波动性的恒定参数。

5.根据权利要求1所述的方法，其特征在于，所述下载时长通过下式表示：

对于处理设备i，P₀表示基站的传输功率，h_i，k表示相应的信道增益，N₀表示噪音能量密度，R表示全局模型的模型参数的大小。

6.根据权利要求1所述的方法，其特征在于，所述上传时长通过下式表示：

对于处理设备i，P_i表示处理设备i的传输功率，h_i，k表示相应的信道增益，N₀表示噪音能量密度，R表示所述处理设备i训练得到的模型参数的大小。

7.根据权利要求1至6任一所述的方法，其特征在于，所述基于所述模型参数确定新的全局模型，包括：

计算所述模型参数的平均值，使用所述平均值更新上一轮的全局模型，得到所述新的全局模型。