基于博弈论分析的参与式联邦学习能耗最小化问题

物联网需要在许多场景中实现智能决策。为此，单个节点可用于感知或计算，或两者兼具，这导致称为参与式感知和联邦学习的方法。我们通过基于赋能本地节点的博弈论决策的分布式方法，探讨了两者的同步实现。将能源最小化作为全局目标，结合单个节点的局部感知和传输数据成本优化。我们基于理论框架和使用真实数据在仿真网络场景中的实验，对该技术进行了广泛评估。这种分布式方法可以在没有数据收集器集中监督的情况下达到联邦学习所需的精度水平。然而， Depending on the weight attributed to the local costs of the single node, it may also result in a significantly high Price of Anarchy (from 1.28 onwards)。因此，我们主张需要激励机制，可能基于单个节点的信息年龄（Age of Information）。