动态适应星地环境
利用分解和元深度强化学习，在星地动态环境下同步提升通信训练效率和本地训练精度。
周喻 · Lei, Lei · Xiaohui, Zhao · You, Lei · 孙耀华 · Chatzinotas, Symeon
IEEE Journal on Selected Areas in Communications 2024
从多目标优化角度同时提升通信训练效率和本地训练精度，避免单目标优化对另一指标的牺牲。
算法能适应动态的星地环境，从而在变化的网络条件下保持性能。
通过算法设计逼近帕累托最优集，在多个目标之间取得更有效的权衡。
在MNIST和CIFAR-10数据集上，效果优于单一目标优化、启发式以及基于学习的多目标优化算法。