一种移动边缘计算网络中的联邦学习能效优化方法

本申请提供本申请提供一种移动边缘计算网络中的联邦学习能效优化方法，该方法包括：输入本地训练客户端参数，执行模型的初始化；模型的初始化完成之后，根据各个客户端的数据异构情况，计算各个客户端的本地训练次数；根据各个客户端的本地训练次数，分别进行本地模型训练，获得本地模型训练后的模型参数；根据本地模型训练后的模型参数，进行全局模型聚合，获得全局模型参数；根据全局模型参数，对全局模型进行测试。本申请解决在客户端数据异构且能量受限场景下，联邦学习过程中客户端本地训练次数与通信能量未经优化导致能量损耗过多以及能量效率过低的问题。