Escalonamento de Recursos de Rádio para Suporte ao Aprendizado Federado em Redes 5G

• Renan R. de Oliveira UFG / IFG
• Luan Gabriel S. Oliveira UFG
• Carlos Eduardo da S. Santos IFTO
• Kleber V. Cardoso UFG
• Antonio Oliveira-Jr UFG / Fraunhofer Portugal AICOS

DOI: https://doi.org/10.5753/sbrc.2026.19200

Resumo

Este artigo propõe um algoritmo de escalonamento para tarefas de Aprendizado Federado em redes 5G considerando tráfego de fundo concorrente não prioritário e limitações dos recursos de comunicação. O algoritmo seleciona dispositivos com dados mais representativos e com melhores condições de canal, emprega uma heurística de agendamento que prioriza os fluxos de atualizações de modelos com coexistência de tráfego de fundo e aplica uma estratégia de agregação que reforça as contribuições que favorecem a convergência do modelo global. A implementação é integrada ao módulo 5G-LENA do ns-3 e demonstra melhorias na convergência e nos indicadores de desempenho da rede 5G, superando os algoritmos tradicionais de escalonamento.

Referências

3GPP (2020a). NR – Physical channels and modulation. Technical Report 3GPP TS 38.211, 3GPP, Sophia Antipolis, France. Release 16.

3GPP (2020b). NR – Physical layer procedures for data. Technical Report 3GPP TS 38.214, 3GPP, Sophia Antipolis, France. Release 16.

5G-LENA (2025). 5G NR module for ns-3. [link].

Cao, X., Başar, T., Diggavi, S., Eldar, Y. C., Letaief, K. B., Poor, H. V., and Zhang, J. (2023). Communication-Efficient Distributed Learning: An Overview. IEEE Journal on Selected Areas in Communications, 41(4).

Chen, H., Huang, S., Zhang, D., Xiao, M., Skoglund, M., and Poor, H. V. (2022). Federated Learning Over Wireless IoT Networks With Optimized Communication and Resources. IEEE Internet of Things Journal, 9(17).

Chen, M., Yang, Z., Saad, W., Yin, C., Poor, H. V., and Cui, S. (2021). A Joint Learning and Communications Framework for Federated Learning Over Wireless Networks. IEEE Transactions on Wireless Communications, 20(1).

de Oliveira, R. R., e Silva, R. S., Freitas, L. A., and Oliveira, A. (2025). Power Allocation and Communication Resource Scheduling for Federated Learning in Wireless IoT Networks. Annals of Telecommunications, 80(9).

Ekaireb, E., Yu, X., Ergun, K., Zhao, Q., Lee, K., Huzaifa, M., and Rosing, T. (2022). ns3-fl: Simulating Federated Learning with ns-3. In Proceedings of the 2022 Workshop on Ns-3, WNS3’22, New York, NY, USA. ACM.

Eris, M. C., Kantarci, B., and Oktug, S. (2021). Unveiling the Wireless Network Limitations in Federated Learning. In 2021 IEEE International Symposium on Dynamic Spectrum Access Networks (DySPAN).

Karimireddy, S. P., Kale, S., Mohri, M., Reddi, S. J., Stich, S. U., and Suresh, A. T. (2020). SCAFFOLD: Stochastic Controlled Averaging for On-Device Federated Learning. In International Conference on Machine Learning (ICML).

Koutlia, K., Lagen, S., and Bojovic, B. (2023). Enabling QoS Provisioning Support for Delay-Critical Traffic and Multi-Flow Handling in ns-3 5G-LENA. In Proceedings of the 2023 Workshop on Ns-3, WNS3’23, New York, NY, USA. ACM.

Li, T., Sahu, A. K., Zaheer, M., Sanjabi, M., Talwalkar, A., and Smith, V. (2020). Federated Optimization in Heterogeneous Networks. In Conference on MLSys.

McMahan, H. B., Moore, E., Ramage, D., Hampson, S., and y Arcas, B. A. (2016). Federated Learning of Deep Networks using Model Averaging. CoRR, abs/1602.05629.

NS-3 (2025). Network Simulator. [link].

Patriciello, N., Lagen, S., Giupponi, L., and Bojovic, B. (2019). An Improved MAC Layer for the 5G NR ns-3 Module. In Proceedings of the 2019 Workshop on Ns-3, WNS3’19, page 41–48, New York, NY, USA. ACM.

Villegas, N., Larrañaga, A., Diez, L., Koutlia, K., Lagén, S., and Agüero, R. (2024). Extending QoS-aware scheduling in ns-3 5G-LENA: A Lyapunov based solution. In Proceedings of the 2024 Workshop on Ns-3, WNS3’24, New York, NY, USA. ACM.

Yin, H., Liu, P., Liu, K., Cao, L., Zhang, L., Gao, Y., and Hei, X. (2020). ns3-ai: Fostering Artificial Intelligence Algorithms for Networking Research. In Proceedings of the 2020 Workshop on Ns-3, WNS3’20, New York, NY, USA. ACM.