IoV에서 연합 학습을 위한 다목적 공동 장치 선택 및 집계 방안

고급 모바일 통신 및 데이터 처리 기술은 사물인터넷(IoT)의 발전을 촉진했지만, 이는 또한 차량 인터넷(IoV) 분야에서 분산 연합 학습 모드에 도전과제를 제기했습니다. IoV에서 연합 훈련에 사용할 수 있는 많은 차량 노드에 직면했을 때, 많은 차량 참가자를 유도하는 것이 도전 과제가 됩니다. IoV에서 연합 학습에 대한 어려움은 대량의 장치 참여로 인한 이질성 문제입니다. 또한, 연합 훈련에 참여하는 많은 저품질 장치와 관련된 과도한 자원 및 시스템 유지 관리 비용도 무시할 수 없습니다. 이러한 문제를 해결하기 위해 본 논문에서는 다목적 진화 알고리즘에 기반한 새로운 차량 장치 선택 및 집합 공동 최적화 모델을 제안합니다. 제안된 모델은 BiGE 알고리즘을 통해 최적의 차량 장비 부분 집합과 해당 가중치 할당 방안을 얻어, 글로벌 모델 성능을 보장하면서 불필요한 자원 낭비와 예산 지출을 줄일 수 있습니다. 모델의 실행 가능성을 검증하기 위해 여러 세트의 실험을 수행하여 제안된 모델이 참가자의 예산을 대폭 줄이면서 수용 가능한 성능을 가진다는 것을 보여줍니다.