预算受限无线网络中面向联邦学习服务的数据质量感知动态客户端选择
机器学习
2022-12-27 v2 人工智能
摘要
我们研究无线网络中面向多个联邦学习（FL）服务的数据质量感知动态客户端选择问题，其中每个客户端为多个 FL 服务的同步训练提供动态数据集，且每个 FL 服务需求方须在受限货币预算下向客户端付费。该问题被形式化为训练轮次上的非合作马尔可夫博弈。我们提出一种基于多智能体混合深度强化学习的算法来优化联合客户端选择与支付动作，同时避免动作冲突。仿真结果表明，我们所提算法能显著提升训练性能。
引用
@article{arxiv.2208.04322,
title = {Learning-Based Client Selection for Federated Learning Services Over Wireless Networks with Constrained Monetary Budgets},
author = {Zhipeng Cheng and Xuwei Fan and Minghui Liwang and Ning Chen and Xianbin Wang},
journal= {arXiv preprint arXiv:2208.04322},
year = {2022}
}
备注
6 pages,8 figures