基于演化博弈的分层联邦学习边缘联合动态分析.pdfVIP

基于演化博弈的分层联邦学习边缘联合动态分析.pdf

JournalofComputerApplicationsISSN1001⁃90812025⁃04⁃10

计算机应用,2025,45(4):1077-1085CODENJYIIDUhttp://www.joca.cn

文章编号：1001-9081（2025）04-1077-09DOI:10.11772/j.issn.1001-9081.2024040428

基于演化博弈的分层联邦学习边缘联合动态分析

项钰斐，倪郑威*

（浙江工商大学信息与电子工程学院，杭州310018）

（∗通信作者电子邮箱zhengwei.ni@zjgsu.edu.cn）

摘要：针对现有边缘服务器提供商（ESP）边缘资源有限导致的分层联邦学习的边缘节点服务质量（QoS）降低的

问题，考虑边缘服务器潜在的边缘联合可能性，提出一种动态边缘联合框架（EFF）。所提框架内，不同的ESP相互协

作，为分层联邦学习中由于客户端的异构性或数据的非独立同分布（Non-IID）等问题而降低的模型训练效率提供额外

的边缘资源。首先，通过量化通信模型设定卸载决策，并将卸载任务发布给框架内其他ESP的边缘服务器，从而解决

边缘资源的弹性化需求；其次，通过多轮迭代EFF参与策略（MIEPS）算法求解ESP之间的演化博弈均衡解，从而为

ESP找到合适的资源分配策略；最后，通过理论和仿真实验验证均衡点的存在性、唯一性和稳定性。实验结果表明，相

较于非联合策略和成对联合策略，通过MIEPS算法构建的三联EFF在基于独立同分布（IID）数据集训练得到的全局

模型的预测准确率上分别提高了1.5和1.0个百分点，而在基于Non-IID数据集的准确率上分别提升了2.1和0.7个

百分点。此外，通过改变ESP的资源配置方式，验证了EFF能够公平地分配ESP的报酬，激励更多的ESP参与其中，并

形成良性的合作环境。

关键词：分层联邦学习；边缘联合；任务卸载；资源分配；演化博弈

中图分类号：TP393.0文献标志码：A

Edgefederationdynamicanalysisforhierarchicalfederatedlearningbasedon

evolutionarygame

XIANGYufei，NIZhengwei*

（SchoolofInformationandElectronicEngineering，ZhejiangGongshangUniversity，HangzhouZhejiang310018，China）

Abstract:ToaddresstheissuethatlimitededgeresourcesoftheexistingEdgeServerProviders（ESPs）reducethe

QualityofService（QoS）ofhierarchicalfederatedlearningedgenodes，adynamicEdgeFederatedFramework（EFF）was