一种基于排队网络的混合聚合模式联邦学习优化方法

本发明公开了一种基于排队网络的混合聚合模式联邦学习优化方法，包括：首先构建联邦学习模型；选择K个客户端参加本轮训练，计算出同步聚合模式下所选客户端完成本地训练所需要的平均时间；再利用闭合排队网络理论的近似算法，计算出异步聚合模式下所选客户端完成本地训练所需要的平均时间；比较同步和异步聚合模式下的平均时间，若前者不大于后者且已完成的训练轮数大于预设的训练总轮数的80％，则选择同步聚合模式进行本轮训练，否则选择异步聚合模式。重复上述步骤，直到达到预设的训练总轮数。本发明在合理的通信开销下，有效提升了全局模型的收敛速度和训练精度，同时计算开销较小且结果准确，具有广泛的通用性和适用性。