一种基于价格歧视博弈的联邦学习分布式资源管理方法

本发明公开了一种基于价格歧视博弈的联邦学习分布式资源管理方法，包括：构建并训练联邦学习模型，服务器用于在客户端集合中选择客户端子集，客户端子集中的客户端用于接收训练得到的全局模型后根据全局模型分配CPU频率完成局部模型的训练；根据训练后的联邦学习模型构建通信与计算模型；根据联邦学习模型和通信与计算模型分别构建服务器效用函数和客户端效用函数；构建服务器与客户端优化问题；基于价格歧视博弈算法求解服务器与客户端优化问题，得到最佳资源分配策略。仅提高了联邦学习的整体性能，还实现了在模型精度、训练时间和资源成本之间的有效平衡，提升了联邦学习系统的公平性和资源利用效率。