一种基于异构感知调度的半异步联邦学习处理方法及系统

本发明公开了一种基于异构感知调度的半异步联邦学习处理方法及系统。参数服务器首先初始化全局模型参数和聚合时间阈值，并将模型分发给边端设备。边端设备接收后进行本地迭代更新，计算综合重要性值并上传至服务器，通知已准备参与聚合。当服务器时间达到阈值时，将完成更新的设备记为预调度集，通过调度策略选择部分设备上传本地更新，并记录滞后度。服务器聚合收到的更新生成新全局模型，根据本轮设备完成情况调整下一轮时间阈值。新模型广播至边端设备，进入下一轮迭代，直至模型收敛。该方法以时间阈值作为聚合边界，有效减少了设备间等待时延，加速了模型收敛，同时避免局部最优，提高模型精度。