面向智能物联网系统的网络公平分布式合作Bandit学习（技术报告）
分布式、并行与集群计算
2024-03-19 v1 机器学习
摘要
在智能物联网（IoT）系统中，网络内的边缘服务器与邻居交换信息并从传感器收集数据以完成交付的任务。本文为智能物联网系统提出了一种多人多臂Bandit模型，以促进数据收集并纳入公平性考量。在我们的模型中，我们建立了一种有效的通信协议，帮助服务器与邻居合作。然后，我们设计了一种分布式合作Bandit算法DC-ULCB，使服务器能够协作选择传感器，以最大化数据速率，同时保持选择的公平性。我们对DC-ULCB的奖励遗憾和公平性遗憾进行了分析，并证明两者都具有依赖于实例的对数上界。此外，通过广泛的仿真，我们验证了DC-ULCB在最大化奖励和确保公平性方面优于现有算法。
引用
@article{arxiv.2403.11603,
title = {Fair Distributed Cooperative Bandit Learning on Networks for Intelligent Internet of Things Systems (Technical Report)},
author = {Ziqun Chen and Kechao Cai and Jinbei Zhang and Zhigang Yu},
journal= {arXiv preprint arXiv:2403.11603},
year = {2024}
}
备注
10 pages, 8 figures, conference technical report