چارچوب یادگیری Fedrated Clusted Resource-Efficint برای صنعت ۴٫۰ دستگاه های لبه

ورودی:

خروجی:

پارامترهای مدل را اولیه کنید ${\mathrm{دومین}}_{\mathrm{۰}}$

اگر گرد $\mathrm{حرف}=\mathrm{۰}$ پس

توزیع کردن ${\mathrm{دومین}}^{\mathrm{۰}}$ به همه دستگاه های لبه $\mathrm{اشمیه}=\{{\mathrm{اشمیه}}_{\mathrm{۱}}با{\mathrm{اشمیه}}_{\mathrm{۲}}با\dots با{\mathrm{اشمیه}}_{\mathrm{حرف}}\}$

$\{{\mathrm{دومین}}_{\mathrm{۱}}^{\mathrm{حرف}}با{\mathrm{دومین}}_{\mathrm{۲}}^{\mathrm{حرف}}با\dots با{\mathrm{دومین}}_{\mathrm{حرف}}^{\mathrm{حرف}}\}\leftarrow \mathrm{دریافت\; کردن}({\mathrm{اشمیه}}_{\mathrm{۱}}با{\mathrm{اشمیه}}_{\mathrm{۲}}با\dots با{\mathrm{اشمیه}}_{\mathrm{حرف}})$

توزیع داده های دستگاه های لبه را دریافت کنید ($د\left(\mathrm{اشمیه}\right)$) ، عملکرد و منابع دستگاههای لبه

$\{{\mathrm{جف}}_{\mathrm{۱}}با{\mathrm{جف}}_{\mathrm{۲}}با\dots با{\mathrm{جف}}_k\}\leftarrow \mathrm{خوشه}(د\left({\mathrm{اشمیه}}_{\mathrm{۱}}\right)باد\left({\mathrm{اشمیه}}_{\mathrm{۲}}\right)با\dots باد\left({\mathrm{اشمیه}}_{\mathrm{حرف}}\right))$ ▹ سرور خوشه بندی را انجام می دهد

برای هر خوشه ${\mathrm{جف}}_k$ در خوشه ها انجام دادن

▹ ۲ دستگاه برتر را بر اساس منابع ، عملکرد و تأخیر انتخاب کنید

$\mathrm{جف}\mathrm{سخنرانی}{\mathrm{۱}}_{{\mathrm{جف}}_{\mathrm{من}}}با\mathrm{جف}\mathrm{سخنرانی}{\mathrm{۲}}_{{\mathrm{جف}}_{\mathrm{من}}}\leftarrow \mathrm{بالا}\mathrm{۲}\mathrm{دستگاه}\mathrm{در}{\mathrm{جف}}_{\mathrm{من}}$

پایان دادن

▹ تجمع پارامترها در سرور

${\mathrm{دومین}}_{\mathrm{آموزش}}^{\mathrm{حرف}}=\mathrm{جمع\; شده}\left(\{{\mathrm{دومین}}_{\mathrm{۱}}^{\mathrm{حرف}}با{\mathrm{دومین}}_{\mathrm{۲}}^{\mathrm{حرف}}با\dots با{\mathrm{دومین}}_{\mathrm{حرف}}^{\mathrm{حرف}}\}\right)$

$\mathrm{حرف}\leftarrow \mathrm{ذخیره}\left({\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}\right)$ ▹ پارامترهای جمع شده را ذخیره کنید

پارامترهای جمع شده پخش شده (${\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}$) و وضعیت سر خوشه (وضعیت CH)

دیگر

▹ سرور پارامترهایی را از سرهای خوشه دریافت می کند

$\{{\mathrm{دومین}}_{\mathrm{۱}}^{\mathrm{حرف}}با{\mathrm{دومین}}_{\mathrm{۲}}^{\mathrm{حرف}}با\dots با{\mathrm{دومین}}_{\mathrm{حرف}}^{\mathrm{حرف}}\}\leftarrow \mathrm{دریافت\; کردن}(\mathrm{جف}\mathrm{سخنرانی}{\mathrm{۱}}_{\mathrm{جف}\mathrm{۱}}با\mathrm{جف}\mathrm{سخنرانی}{\mathrm{۱}}_{\mathrm{جف}\mathrm{۲}}با\dots با\mathrm{جف}\mathrm{سخنرانی}{\mathrm{۱}}_{\mathrm{جف}\mathrm{حرف}})$

▹ به طور تصادفی انتخاب کنید ${\mathrm{حرف}}^{\prime }$ در میان پارامترهای کشاورزی

${\mathrm{حرف}}^{\prime }\leftarrow \mathrm{حرف}=\{{\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}–\mathrm{۱}}با{\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}–\mathrm{۲}}با\dots با{\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}–\mathrm{حرف}}\}$

مقادیر وزن را به مجموعه پارامترهای ذخیره شده انتخاب شده اختصاص دهید

${\mathrm{حرف}}_{\mathrm{حرف}}>{\mathrm{حرف}}_{\mathrm{حرف}–\mathrm{۱}}>{\mathrm{حرف}}_{\mathrm{حرف}–\mathrm{۲}}>\dots >{\mathrm{حرف}}_{\mathrm{حرف}–\mathrm{مگس}}$

▹ تجمع پارامترهای فعلی در سرور

${\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}\leftarrow \mathrm{جمع\; شده}\left(\{{\mathrm{دومین}}_{\mathrm{۱}}^{\mathrm{حرف}}با{\mathrm{دومین}}_{\mathrm{۲}}^{\mathrm{حرف}}با\dots با{\mathrm{دومین}}_{\mathrm{حرف}}^{\mathrm{حرف}}\}\right)$

${\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}\leftarrow {\mathrm{حرف}}_{\mathrm{حرف}}{\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}با{\sum }_{jمثل{\mathrm{حرف}}^{\prime }}{\mathrm{حرف}}_j{\mathrm{دومین}}_{\mathrm{جمع}}^j$ update به روزرسانی پارامتر فعلی با پارامترهای ذخیره شده

▹ پارامترهای جمع شده را ذخیره کنید

$\mathrm{حرف}\leftarrow \mathrm{ذخیره}\left({\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}\right)$

پارامترهای جمع شده پخش شده (${\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}$)

پایان اگر

ورودی:

خروجی:

اگر گرد $\mathrm{حرف}=\mathrm{۰}$ پس

دستگاه لبه ${\mathrm{اشمیه}}_{\mathrm{من}}$ مدل اولیه را از سرور دریافت می کند ${\mathrm{دومین}}_{\mathrm{من}}^{\mathrm{حرف}}$

${\mathrm{دومین}}_{\mathrm{من}}^{\mathrm{حرف}}\leftarrow \mathrm{آموزش}({\mathrm{دومین}}^{\mathrm{حرف}–\mathrm{۱}}با{د}_{\mathrm{من}})$ ▹ با داده های موجود آموزش انجام دهید ${د}_{\mathrm{من}}$

ارسال کردن ${\mathrm{دومین}}_{\mathrm{من}}^{\mathrm{حرف}}$توزیع داده ها $د\left(\mathrm{اشمیه}\right)$عملکرد و منابع به سرور

دیگر

${\mathrm{اشمیه}}_{\mathrm{من}}$ پارامترهای جمع شده را دریافت می کند ${\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}$ و وضعیت ch ch از سرور

${\mathrm{دومین}}_{\mathrm{من}}^{\mathrm{حرف}}\leftarrow \mathrm{آموزش}({\mathrm{دومین}}_{\mathrm{جمع}}^{\mathrm{حرف}}با{د}_{\mathrm{من}})$

اگر وضعیت CH = 1 پس

ارسال پارامترها ${\mathrm{دومین}}_{\mathrm{من}}^{\mathrm{حرف}}$ به سرور

پایان اگر

پایان اگر

ورودی: عملکرد (کامل) ، تأخیر ارتباطات (تأخیر) ، منابع (CPU ، MEM) دستگاه های Edge

خروجی: سرهای خوشه ای انتخاب شده (${\mathrm{چاک}}_{\mathrm{۱}}$با ${\mathrm{چاک}}_{\mathrm{۲}}$)

سرور عملکرد (PER) ، تأخیر ارتباطات (تأخیر) و منابع (CPU ، MEM) دستگاه های Edge را دریافت می کند

وزن ها را به طور یکنواخت اولیه کنید (${\mathrm{حرف}}_{\mathrm{جف}}$با ${\mathrm{حرف}}_{\mathrm{مگس}}$با ${\mathrm{حرف}}_{پ}$با ${\mathrm{حرف}}_{د}$ برای CPU ، حافظه ، عملکرد و تأخیر احترام)

▹ معیارها را عادی کنید

برای هر دستگاه لبه ${\mathrm{اشمیه}}_{\mathrm{من}}$ انجام دادن

${\mathrm{حرف}}_{\mathrm{CPU}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)\leftarrow {\displaystyle \frac{حداکثر\left(\mathrm{CPU}\right)–حداقل\left(\mathrm{CPU}\right)}{\mathrm{CPU}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)–حداقل\left(\mathrm{CPU}\right)}}$

${\mathrm{حرف}}_{\mathrm{با\; توجه\; به}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)\leftarrow {\displaystyle \frac{حداکثر\left(\mathrm{با\; توجه\; به}\right)–حداقل\left(\mathrm{با\; توجه\; به}\right)}{\mathrm{با\; توجه\; به}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)–حداقل\left(\mathrm{با\; توجه\; به}\right)}}$

${\mathrm{حرف}}_{\mathrm{عطر}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)\leftarrow {\displaystyle \frac{حداکثر\left(\mathrm{عطر}\right)–حداقل\left(\mathrm{عطر}\right)}{\mathrm{عطر}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)–حداقل\left(\mathrm{عطر}\right)}}$

${\mathrm{حرف}}_{\mathrm{تاخیر}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)\leftarrow {\left({\displaystyle \frac{حداکثر\left(\mathrm{تاخیر}\right)–حداقل\left(\mathrm{تاخیر}\right)}{\mathrm{تاخیر}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)–حداقل\left(\mathrm{تاخیر}\right)}}\right)}^{–\mathrm{۱}}$

پایان دادن

▹ نمره را برای هر دستگاه لبه محاسبه کنید

برای هر دستگاه لبه ${\mathrm{اشمیه}}_{\mathrm{من}}$ انجام دادن

$\mathrm{حرف}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)\leftarrow {\mathrm{حرف}}_{\mathrm{جف}}\times {\mathrm{حرف}}_{\mathrm{CPU}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)با{\mathrm{حرف}}_{\mathrm{مگس}}\times {\mathrm{حرف}}_{\mathrm{با\; توجه\; به}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)با{\mathrm{حرف}}_{پ}\times {\mathrm{حرف}}_{\mathrm{عطر}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)با{\mathrm{حرف}}_{د}\times {\mathrm{حرف}}_{\mathrm{تاخیر}}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)$

پایان دادن

▹ دستگاه های ۲ لبه برتر را با بالاترین امتیاز انتخاب کنید

${\mathrm{چاک}}_{\mathrm{۱}}با{\mathrm{چاک}}_{\mathrm{۲}}\leftarrow جنجال{حداکثر}_{{\mathrm{اشمیه}}_{\mathrm{من}}مثل\mathrm{اشمیه}}\mathrm{حرف}\left({\mathrm{اشمیه}}_{\mathrm{من}}\right)$