移动边缘学习的自适应任务分配
分布式、并行与集群计算
2019-02-01 v2 机器学习
网络与互联网体系结构
摘要
本文旨在为在具有异构计算与通信能力的无线边缘节点上实现具备性能保证的实用分布式学习算法，建立一种新的优化范式。我们将这一新范式称为“移动边缘学习（Mobile Edge Learning, MEL）”。本文考虑MEL的动态任务分配问题，目标是在保证异构信道上的数据分发/聚合总时间以及异构节点上的本地计算迭代次数受预设时长约束的前提下，最大化学习精度。该问题首先被表述为二次约束整数线性问题。作为NP难问题，本文将其松弛为实变量上的非凸问题。我们据此提出两种解法：分别基于利用拉格朗日分析与KKT条件推导该松弛问题最优解的解析上界，以及从均等批次分配出发的建议—改进法。通过与数值方法及均等任务分配方法的性能比较，展示了所提解法的优势。
引用
@article{arxiv.1811.03748,
title = {Adaptive Task Allocation for Mobile Edge Learning},
author = {Umair Mohammad and Sameh Sorour},
journal= {arXiv preprint arXiv:1811.03748},
year = {2019}
}
备注
8 pages, 2 figures, submitted to IEEE WCNC Workshop 2019, Morocco