摘要：在智慧城市中,无线通信网络连接了众多边缘智能设备,用于收集和传输各种类型的数据.为了保护数据隐私,联邦学习被广泛应用于智慧城市环境中.然而,城市中的高密度建筑物和复杂多径传播会导致信道衰落,严重影响通信质量和联邦学习的性能.针对这一问题,提出了一种基于强化学习的无线联邦学习系统自适应延迟等待时间调整算法.该算法通过强化学习方法自动调整等待时间,以适应动态变化的信道条件,缓解由信道衰落引起的数据传输延迟问题,并通过优化等待时间避免因部分客户端延迟掉队而导致的模型不可信问题.在MNIST和CIFAR-10数据集上的仿真结果表明,所提出的算法在保证系统性能的同时能够确保结果的可信性,并且在多个关键性能指标上显著优于其他基线算法.
