一种基于联邦学习的分布式通信网络优化方法

本发明公开了一种基于联邦学习的分布式通信网络优化方法包括，在客户端节点，对本地模型更新基于预设的解耦规则分解为第一更新量和第二更新量，其中第一更新量表征通用网络规律，第二更新量表征特定网络切片的个性化需求；客户端节点将这两种更新量上传至联邦服务器；联邦服务器执行差异化聚合，即聚合所有客户端的第一更新量以更新联邦模型的共享模块，同时针对每种网络切片类型，仅聚合对应客户端的第二更新量以更新相应的个性化模块；本发明通过计算事实梯度和反事实梯度来分离第一更新量和第二更新量，在联邦学习局框架下实现了对不同网络切片的高效个性化优化，提升了模型的性能和泛化能力。