Price-Discrimination Game for Distributed Resource Management in Federated Learning

要約

FedAvg などの標準的なフェデレーテッド ラーニング (FL) では、パラメータ サーバー (PS) と複数の分散クライアントが典型的な買い手市場を形成する可能性があり、そこでは FL サービスの PS/買い手の数がクライアント/売り手の数よりはるかに少ないです。
FL のパフォーマンスを向上させ、クライアントに FL への参加を促すコストを削減するために、このペーパーでは、異なるクライアントに同じサービス価格を単に提供するのではなく、異なるクライアントが提供するサービスの価格を区別することを提案します。
価格は、FL にもたらされるパフォーマンスの向上と、コンピューティングおよび通信機能の異種性に基づいて差別化されています。
この目的を達成するために、価格差別ゲーム (PDG) が定式化され、多目的のトレードオフ、クライアントの選択、インセンティブ メカニズムなど、フロリダ州の分散リソース管理の問題に包括的に対処します。
PDG は混合整数非線形計画法 (MINLP) 問題であるため、これを解決するために、計算の複雑さが低く、通信オーバーヘッドが低い分散型セミヒューリスティック アルゴリズムが設計されています。
シミュレーション結果は、提案されたアプローチの有効性を検証します。

要約(オリジナル)

In vanilla federated learning (FL) such as FedAvg, the parameter server (PS) and multiple distributed clients can form a typical buyer’s market, where the number of PS/buyers of FL services is far less than the number of clients/sellers. In order to improve the performance of FL and reduce the cost of motivating clients to participate in FL, this paper proposes to differentiate the pricing for services provided by different clients rather than simply providing the same service pricing for different clients. The price is differentiated based on the performance improvements brought to FL and their heterogeneity in computing and communication capabilities. To this end, a price-discrimination game (PDG) is formulated to comprehensively address the distributed resource management problems in FL, including multi-objective trade-off, client selection, and incentive mechanism. As the PDG is a mixed-integer nonlinear programming (MINLP) problem, a distributed semi-heuristic algorithm with low computational complexity and low communication overhead is designed to solve it. The simulation result verifies the effectiveness of the proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google