多跳联邦边缘计算中多智能体强化网络学习的仿真到现实迁移
网络与互联网体系结构
2021-10-19 v1 人工智能
摘要
无线多跳边缘计算网络上的联邦学习（FL），即多跳 FL，是一种经济高效的分布式设备端深度学习范式。本文提出 FedEdge 模拟器，一个基于 Linux 的高保真模拟器，支持多跳 FL 系统的快速原型设计、仿真到现实代码以及知识迁移。FedEdge 模拟器构建于面向硬件的 FedEdge 实验框架之上，并新增了真实物理层模拟器扩展。该模拟器利用基于轨迹的信道建模与动态链路调度，以最小化模拟器与物理测试床之间的现实差距。我们的初步实验证明了 FedEdge 模拟器的高保真性，以及其在强化学习优化的多跳 FL 中仿真到现实知识迁移上的优越性能。
引用
@article{arxiv.2110.08952,
title = {Sim-to-Real Transfer in Multi-agent Reinforcement Networking for Federated Edge Computing},
author = {Pinyarash Pinyoanuntapong and Tagore Pothuneedi and Ravikumar Balakrishnan and Minwoo Lee and Chen Chen and Pu Wang},
journal= {arXiv preprint arXiv:2110.08952},
year = {2021}
}
备注
5 pages