面向无人巡检设备的联邦学习通信能耗优化方法及系统

本发明公开一种面向无人巡检设备的联邦学习通信能耗优化方法及系统，旨在解决分层联邦学习中由通信异质性导致的无人巡检设备通信能耗过高以及边缘数据异质性影响全局模型精度的问题。通过设备指标度量精确评估无人巡检设备相对于边缘服务器的通信能力和数据分布情况；然后在云服务器层，基于设备指标度量和自适应权重系数进行设备弹性分组，动态调整巡检设备与边缘服务器的关联关系；在边缘服务器层，引入组内分级聚合机制，构建模型聚合树，通过D2D协作完成局部模型聚合与参数上传。本发明通过在云、边、端三个层面协同优化，结合了边端关联调整和组内协作，能够在保证全局模型精度的前提下，显著降低联邦学习过程中无人巡检设备的通信能耗。