低开销决策
该方法将客户端选择分解为两个阶段，先确定高参与概率的长期客户端，再在训练轮次中动态选择替代客户端，实现间歇性参与下的无缝分层联邦学习。
Minghong, Wu · LiWang, Minghui · Su, Yuhan · 李莉 · Hosseinalipour, Seyyedali · Wang, Xianbin · Huaiyu, Dai · Jiao, Zhenzhen
IEEE Transactions on Mobile Computing 2026
通过优化客户端选择和边缘关联，系统总成本（延迟和能耗）显著降低，且模型收敛更快。
两阶段方法将问题拆分为Plan A和Plan B，避免在每个训练轮次进行复杂优化，使得决策过程开销极低。
与现有基准相比，该方法在多个数据集上实现了更高的模型准确率。