公平性增强的联合学习安排机制,用于无人机辅助的紧急通信
Chun Zhu1, Ying Shi2, Haitao Zhao3
1College of Science, Nanjing University of Posts and Telecommunications, Nanjing 210003, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
这项研究增强了使用无人机 (UAV) 的联合学习 (FL) 的紧急通信. 用户调度和多臂强盗算法优化了设备参与,改善了灾难期间的系统性能和数据安全性.
科学领域:
- 灾难通信 灾难通信
- 无线网络是无线网络.
- 机器学习 机器学习
背景情况:
- 越来越多的自然灾害需要强大的紧急通讯系统.
- 联合学习 (FL) 提供保护隐私的协作学习.
- 无人驾驶飞行器 (UAV) 可以在复杂的环境中作为移动基站.
研究的目的:
- 在灾难通信场景中提高联合学习的效率和可靠性.
- 为了应对有限的无人机计算能力和频谱稀缺的挑战.
- 使用智能算法优化对FL参与的设备选择.
主要方法:
- 利用无人机作为移动基站,增强无线通信.
- 实施用户调度,以选择地面物联网设备参与FL.
- 使用多臂强盗 (MAB) 算法进行高效的设备评估.
- 开发一个考虑模型新鲜度和能源消耗的多标准奖励函数,以进行公平的选择.
主要成果:
- 模拟证明了拟议方法的有效性.
- 该方法优化了资源配置,并防止了性能恶化.
- 通过加权的奖励函数来实现设备选择中的公平性.
结论:
- 拟议的联合学习框架与无人机和智能调度显著提高了紧急通讯.
- 这种方法在灾难场景中平衡了绩效,资源效率和公平性.
- 该方法为关键通信需求提供了可扩展和有效的解决方案.
