一种异构移动边缘计算网络中基于聚类客户端调度的半异步联邦学习方法

本发明公开一种异构移动边缘计算网络中基于聚类客户端调度的半异步联邦学习方法，包括以下步骤：1)边缘服务器向所有移动客户端下发初始的全局机器学习模型；2)各移动客户端独立对接收到的全局机器学习模型并将其存放到接受缓冲区；3)选择参与全局机器学习模型聚合更新的移动客户端；4)更新全局机器学习模型；5)边缘服务器判断更新后的全局机器学习模型是否满足精度需求，若是，则跳转至步骤6)，否则，边缘服务器将当前全局机器学习模型下放至所有参与全局机器学习模型训练的移动客户端，并返回步骤2)；8)执行任务。本发明通过考虑客户端之间的数据相似性进行调度，可以有效保证数据均衡，使全局模型更加稳定。