基于Transformer双联邦学习的车联网资源切片方法

一种基于Transformer双联邦学习的车联网资源切片方法，在车联网系统中，基站的物理资源被抽象为一个虚拟资源池，由控制器进行管理；根据各基站反馈的终端请求信息，控制器调整切片资源分配。控制器是双层控制器结构；云端的集中式控制器集成有全局模型，它包括全局流量预测模型和全局资源切片决策模型；集中式控制器通过全局模型进行基站资源切片；边缘侧的与邻近基站相连的本地控制器集成有本地模型，它包括本地流量预测模型、切片窗口优化器和本地资源切片决策模型；本地控制器通过本地模型做出资源切片决策；切片步骤包括：采用窗口自适应的切分方法切分每个基站的物理资源；通过本地模型训练和双联邦模型方法优化决策结果。