近日，6774澳门永利2023級碩士研究生陳悅同學在導師魯劍鋒教授的指導下，撰寫學術論文《LEAP: Optimization Hierarchical Federated Learning on Non-IID Data with Coalition Formation Game》，被第33屆國際人工智能聯合會議（IJCAI2024）錄用，本次會議共收到創紀錄的5461篇長文投稿，2021-2023年錄用接受率為13%-15%。

IJCAI會議内容主要圍繞人工智能相關理論及應用，是人工智能領域中最主要的學術會議之一，也是全球學術界以及企業界人工智能研究人員和實踐者的頂級國際聚會。中國計算機學會（CCF）推薦國際學術會議目錄将IJCAI列為人工智能領域A類會議。

分層聯邦學習利用邊緣服務器豐富的通信資源來減輕部分通信負擔，但非獨立同分布（Non-IID）數據和有限的帶寬資源會降低其模型性能。在當前研究中，數據服從均勻分布的強假設與多源異構的邊緣計算場景明顯不符，額外的模型訓練或數據交換來檢查數據分布将不可避免地增加計算成本和隐私洩露的風險，而通過聚類數據分布來選擇客戶端的方法難以保證最終數據分布的最優組合。因此，如何在不涉及原始數據的情況下減少Non-IID數據的影響，合理化通信資源分配以減少總執行延遲，是當下急切需要解決的問題。陳悅同學的論文提出了一種基于聯盟形成博弈的分層聯邦學習優化方法，LEAP，以減輕Non-IID問題和通信瓶頸。具體而言，LEAP衡量了邊緣服務器之間的Non-IID程度，并将客戶與邊緣服務器之間的相關性動态調整至最佳，從而減少Non-IID數據的負面影響。在穩定聯盟劃分的基礎上，進一步對不同聯盟進行帶寬分配，确保在指定的時延約束下的最優傳輸功率以提高訓練效率。實驗結果表明，與最先進的基線相比，LEAP能夠提高20.62%的模型精度。相比于随機帶寬分配的方法，LEAP能夠實現降低至少55.53%的傳輸能耗。

陳悅同學是6774澳门永利網絡工程（中外合作辦學）2019級學生，本科期間多次被評為校“優秀學生标兵”“優秀共青團員”“優秀學生”，連續3年獲得校優秀學生獎學金，2021年通過學校“拔尖人才培育計劃”免試提前攻讀碩士研究生，加入魯劍鋒教授團隊。

魯劍鋒教授是湖北省“楚天學者”特聘教授、浙江省傑出青年基金獲得者、6774澳门永利三級教授、博士生導師、CCF物聯網/普适計算專委會執行委員、國家重點研發計劃“物聯網與智慧城市”重點專項答辯評審專家、湖北等7省（市）科技計劃項目評審專家等，主要從事聯邦學習、群智計算、博弈論等方向研究，先後主持國家自然科學基金4項、省部級課題6項，近年來以第一作者和通訊作者在IEEE TSC、IEEE JSAC、IEEE TIFS、IJCAI、ACM TOIT等有影響力的學術期刊及會議上發表論文50餘篇，授權國家發明專利8件。