联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗

目录

  • 一、文章概述
  • 二、系统模型环境
  • 三、上行链路功率分配(UPA)算法
    • 1.系统目标
    • 2.约束条件
    • 3.公式推导
      • (1)传输时间
      • (2)系统能耗
    • 4.算法求解
    • 5.伪代码
  • 四、频带分配(BA)算法
    • 1.系统目标
    • 2.约束条件
    • 3.算法求解
  • 五、性能表征


本文是对论文《Multi-Server Federated Edge Learning for Low Power Consumption Wireless Resource Allocation Based on User QoE》的分析,第一作者为北京信息科技大学 Tianyi Zhou
联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第1张图片

一、文章概述

在本文中,作者设计了一种上行链路功率分配(UPA)频带分配(BA)算法,用于优化联邦学习(FEL)过程中的传输速率(传输时间)和能量消耗。仿真结果表明,相较于基线,在传输时间上有着31.9%的提升,在传输能耗上有着9.6%的提升。

二、系统模型环境

联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第2张图片

整个系统处于上图所示的环境中,多基站与多用户相连接,每个基站配备MBS服务器用于进行AI模型处理。
联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第3张图片
本篇文章的目标就是合理配置基站功率,降低用户与基站间传输的时间与能耗。

三、上行链路功率分配(UPA)算法

1.系统目标

在这里插入图片描述
上行链路功率分配算法旨在通过控制功率分配P,以最小化目标函数V,展开如下

联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第4张图片
其中,在这里插入图片描述表示对于不同边缘设备的偏好程度(权重)。例如对于电池电量充足,本地及传输数据量较多的设备(活跃设备)应当赋予更高的权重。在这里插入图片描述在这里插入图片描述代表用户对于传输时间和能量消耗的偏好程度。约束条件为在这里插入图片描述。当用户选择省电模式时,应该赋予能耗在这里插入图片描述更高的比重。当用户选择高性能模式时,应该赋予传输时间在这里插入图片描述更高的比重。
在这里插入图片描述为任务本地计算与传输的最大时间限制,在这里插入图片描述为上行链路传输用时,需要满足在这里插入图片描述。即任意用户设备,本地计算时间(local)与上传时间总和小于最大时限,同时任务目标是尽可能减少上传时间。在这里插入图片描述为边缘用户本地计算和上传的总能耗,在这里插入图片描述为上行链路传输时的能量消耗。

2.约束条件

常见功率、时延约束
联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第5张图片联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第6张图片

3.公式推导

(1)传输时间

对于系统传输时间,其具体公式为
在这里插入图片描述
其中在这里插入图片描述表示系统策略(即是否在某一时刻开启传输),在这里插入图片描述表示所需传递参数的规模,在这里插入图片描述表示信道容量的大小。

(2)系统能耗

对于系统能耗,定义为:功率*时间,具体公式为
在这里插入图片描述

4.算法求解

经过分析,作者得出结论:该优化问题为严格拟凸问题,系统目标的一阶求导如下
在这里插入图片描述
分析可知,一阶导数初始值为0,且单调增加。
在这里插入图片描述
在这里插入图片描述
其一阶导函数为0的点通过二分法求解。

5.伪代码

联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第7张图片

四、频带分配(BA)算法

1.系统目标

频带分配(BA)算法的系统目标是优化传输能耗(与UPA有一定的重合)

在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
其中在这里插入图片描述代表频带的分配率。

2.约束条件

联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第8张图片

3.算法求解

经过数学推导,能耗最小时对应的频带分配率为
在这里插入图片描述
上式关于在这里插入图片描述单调不增。这就是说,当Tu较小时,根据公式求解,将会分配给该边缘设备较大比率的频带。

五、性能表征

联邦学习论文分析1----联邦学习_功率分配_频带分配_传输速率_能耗_第9张图片

你可能感兴趣的:(人工智能,深度学习)