第38篇：Adaptive Personalized Federated Learning（APFL）算法（个性化联邦学习）

第一部分：解决的问题

• 联邦学习的挑战：在传统的联邦学习中，主要目标是训练一个全局模型，使其在所有参与客户端上表现良好。然而，由于客户端数据的非独立同分布（non-IID）特性，全局模型可能无法很好地适应每个客户端的本地数据，导致本地模型的性能受限。

• 个性化的需求：为了提升每个客户端的本地模型性能，研究者们开始关注个性化联邦学习。个性化的目标是让每个客户端在贡献全局模型的同时，训练出适合本地数据的个性化模型。

第二部分：idea

第三部分：效果

第四部分：具体算法讲解

（1）基本参数