近日，我院李刚研究员课题组在跨设备联邦学习方面取得了新的进展，研究成果以“Incentive Mechanism Design for Cross-Device Federated Learning: A Reinforcement Auction Approach”为题，发表于国际移动计算领域顶级期刊、中国计算机协会（CCF）推荐A类期刊IEEE Transactions on Mobile Computing (IEEE TMC)，内蒙古大学为第一完成单位。

跨设备联邦学习中需要设计高效的激励机制，以此来吸引足够多的用户参与联邦学习，提高模型精度和泛化能力。目前的设计主要局限于网络层，没有充分考虑到资源受限的终端对模型训练性能的影响。针对这一问题，论文设计了一种基于强化学习的拍卖机制 (RAM)，该机制包括上下两层，其中上层采用强化学习来模拟拍卖机制，给出终端设备选择策略和奖励策略，而将终端设备上的资源分配方案放在下层实施，中央控制单元可以不需要事先知晓终端设备的相关信息，如计算能力和通信能力。

论文作者包括：李刚研究员（第一作者），加拿大康考迪亚大学（Concordia University）Jun Cai教授，以及武汉科技大学鲁剑锋教授等。这项研究得到了自治区留学人员创新创业启动支持计划、内蒙古大学“骏马计划”高层次人才引进项目等项目的支持。

  论文链接：https://ieeexplore.ieee.org/document/10770572