面向云边端协同分层联邦学习的车联网多模型训练方法

本发明实施例提供了一种面向云边端协同分层联邦学习的车联网多模型训练方法。该方法应用于云边端协同分层联邦学习架构，包括：获取车联网多模型训练的多个训练任务；为每个训练任务分配初始的智能车辆和训练顺序；使用改进的粒子群优化算法和遗传算法对训练任务进行调度，优化训练任务的分配；通过贪婪算法优化训练任务的训练顺序；根据混合同步‑异步聚合规则，执行边缘服务器和云服务器的模型聚合；根据训练任务的训练情况动态调整调度策略，确保全局时间成本最小化；当全局训练任务达到预设的准确率或时间要求时，输出最终的全局模型。以此方式，可以应对动态IoV环境中的多模型训练问题，同时实现全局时间成本最小化与任务间的训练平衡。