本文是对论文《Multi-Server Federated Edge Learning for Low Power Consumption Wireless Resource Allocation Based on User QoE》的分析,第一作者为北京信息科技大学 Tianyi Zhou
在本文中,作者设计了一种上行链路功率分配(UPA)及频带分配(BA)算法,用于优化联邦学习(FEL)过程中的传输速率(传输时间)和能量消耗。仿真结果表明,相较于基线,在传输时间上有着31.9%的提升,在传输能耗上有着9.6%的提升。
整个系统处于上图所示的环境中,多基站与多用户相连接,每个基站配备MBS服务器用于进行AI模型处理。
本篇文章的目标就是合理配置基站功率,降低用户与基站间传输的时间与能耗。
上行链路功率分配算法旨在通过控制功率分配P,以最小化目标函数V,展开如下
其中,表示对于不同边缘设备的偏好程度(权重)。例如对于电池电量充足,本地及传输数据量较多的设备(活跃设备)应当赋予更高的权重。和代表用户对于传输时间和能量消耗的偏好程度。约束条件为。当用户选择省电模式时,应该赋予能耗更高的比重。当用户选择高性能模式时,应该赋予传输时间更高的比重。
为任务本地计算与传输的最大时间限制,为上行链路传输用时,需要满足。即任意用户设备,本地计算时间(local)与上传时间总和小于最大时限,同时任务目标是尽可能减少上传时间。为边缘用户本地计算和上传的总能耗,为上行链路传输时的能量消耗。
常见功率、时延约束
对于系统传输时间,其具体公式为
其中表示系统策略(即是否在某一时刻开启传输),表示所需传递参数的规模,表示信道容量的大小。
对于系统能耗,定义为:功率*时间,具体公式为
经过分析,作者得出结论:该优化问题为严格拟凸问题,系统目标的一阶求导如下
分析可知,一阶导数初始值小于0,且单调增加。
其一阶导函数为0的点通过二分法求解。
频带分配(BA)算法的系统目标是优化传输能耗(与UPA有一定的重合)
其中代表频带的分配率。
经过数学推导,能耗最小时对应的频带分配率为
上式关于单调不增。这就是说,当Tu较小时,根据公式求解,将会分配给该边缘设备较大比率的频带。