面向边缘计算的联邦学习协同训练收敛加速方法

本发明公开了面向边缘计算的联邦学习协同训练收敛加速方法，涉及联邦学习协同训练技术领域，包括以下步骤：利用采集设备以及测量软件，采集边缘设备数据和中心服务器数据，采用强化学习、马尔科夫决策和随机森林算法，构建基于马尔科夫决策的强化学习模型，结合Q‑learning算法、遗传算法、函数逼近器和神经网络算法，构建深度强化模型，利用Bagging算法，融合基于马尔科夫决策的强化学习模型和深度强化模型，本发明所述方法中的边缘计算网关采集技术、Zabbix软件采集技术、遗传算法优化模型技术和Bagging模型融合技术与现代信息技术紧密结合，解决了边缘设备样本数据量存在差异、边缘设备异构和边缘设备网络异构的问题。