类型a：

本文介绍了一项由Yishan Chen（江西理工大学）、Xiangwei Zeng（江西理工大学）、Xiansong Luo（江西理工大学）和Zhiquan Liu（暨南大学）共同完成的原创研究”Joint client–server selection and resource allocation based on split federated learning in edge-to-cloud computing environments”，该研究于2025年发表在期刊Computer Networks（第270卷）上。

在学术背景方面，随着大数据时代的到来和联邦学习（Federated Learning, FL）技术的发展，如何有效管理资源受限的边缘设备成为一个日益重要的问题。传统的联邦学习虽然能保护数据隐私，但也面临着计算负担增加、设备异构性等挑战。为此，研究者们提出了将分割学习（Split Learning, SL）与联邦学习相结合的拆分联邦学习（Split Federated Learning, SFL）方法。本研究针对现有SFL架构在边缘计算环境中部署时存在的训练延迟和能耗优化问题，提出了一种名为U型拆分联邦学习（U-SFL）的新型三层架构，并结合多目标优化方法解决客户-服务器选择和资源分配问题。

研究的工作流程包括以下几个主要步骤：

1. 系统模型构建阶段： 研究团队设计了一个包含云、边缘和终端设备的三层U-SFL架构。该架构将全局模型分为三部分：客户端部署头模型（head model, W^h）和尾模型（tail model, W^t），边缘服务器部署中间模型（middle model, W^m）。与传统SFL相比，这种U型结构可以避免标签上传，更好地保护隐私。研究详细分析了该架构下的训练时间和能耗计算模型，包括局部训练时间、边缘训练时间、数据传输时间、本地聚合时间等。

2. 问题建模阶段： 研究团队构建了一个考虑训练时间、能耗和准确度的多目标优化问题（公式17）。这个问题涉及离散的客户-服务器组合选择以及连续的CPU利用率分配变量。由于问题是非凸的NP难问题，研究者将其建模为参数化行动马尔可夫决策过程（Parameterized Action Markov Decision Process, PAMDP）。

3. 算法开发阶段： 针对上述问题，研究团队开发了一种新的混合行动空间强化学习方法——多选择混合近端策略优化（Multi-select Hybrid Proximal Policy Optimization, MSHPPO）算法。该算法扩展了PPO-clip算法，包含三个离散动作网络和两个连续动作网络，可以联合优化离散的客户/服务器选择和连续的资源分配。特别地，针对大规模组合选择问题，算法采用多选择编码方式有效降低了动作空间维度。

4. 实验验证阶段： 研究在模拟医疗场景（使用HAM10000数据集和Res-18模型）中进行了系统验证。实验设置了10个客户端、5个边缘服务器和1个云服务器的环境配置，设备的计算能力和带宽会动态波动（±10%）。对比实验包括了U-SFL与传统FL的架构对比，以及MSHPPO与其他强化学习算法（A3C、SAC、DQN、REINFORCE）在6种不同规模环境（10-5到20-10客户端-服务器）下的性能对比。结果评估指标包括累积奖励、能耗、训练时间、聚合时间和总系统时间。

研究的主要结果如下：

1. U-SFL架构相比传统FL： 虽然U-SFL的每轮训练能耗（4.3 vs 3.5）和训练时间（3.5 vs 2.6）略高，但显著降低了聚合时间（9.6 vs 27.2），使得总系统时间仅为FL的一半左右（13.1 vs 29.8）。这表明U-SFL的分割架构有效减轻了通信瓶颈，特别适合需要快速响应的医疗场景。

2. MSHPPO算法性能： 在累积奖励方面，MSHPPO（0.9）显著优于A3C（-22.9）、SAC（-4.0）等算法；在模型准确率方面达到74.0%；在系统总时间方面（13.1）也表现最优。特别值得注意的是，MSHPPO在16客户端-8服务器的配置下取得了10以上的正回报，展示了卓越的扩展性。

3. 客户端和服务器数量影响： 研究表明，5-10个客户端参与时系统效率最佳（总时间11.38），而随着客户端数量增加至40个，总时间升至13.89；相反，增加服务器资源（从5到40个）可以显著改善性能，使累积奖励从-7.60提升到5.99。

研究的结论是：提出的U-SFL架构能有效优化边缘计算环境中的联邦学习效率，而MSHPPO算法通过混合行动空间建模实现了更好的资源调度。这种方法特别适用于医疗等对数据隐私和实时性要求高的场景，为分布式机器学习提供了新的范式。

本研究的亮点和创新性体现在： 1）首次提出U型三层分割的联邦学习架构，实现更好的隐私保护和计算效率平衡； 2）开发了支持大规模离散选择和连续控制联合优化的MSHPPO算法； 3）通过系统的实验验证了方法在不同规模环境下的优越性和鲁棒性。

另值得关注的是，研究还讨论了差分隐私（differential privacy）在防止碎片数据隐私泄露中的应用（公式1），以及在奖励函数设计中使用动态权重调整（公式18）等创新点。这些都为相关领域的后续研究提供了有价值的参考。