본 논문은 비즈니스 효율성 향상과 비용 절감을 위해 사전 훈련된 모델을 공유하고, 이를 집계하여 일반화 성능을 높인 글로벌 모델을 생성하는 연합 학습(Federated Learning)에 초점을 맞추고 있습니다. 특히, 기기 프로필의 다양성으로 인한 통신 시스템의 과제를 해결하기 위해, 사전 훈련된 모델과 그 가중치 공간을 각각 표현형과 유전형으로 간주하는 메타 휴리스틱 알고리즘 FedAvgen을 제안합니다. FedAvgen은 연합 학습에서 글로벌 평균화 단계를 부모-자식 유전적 진화로 특징짓고, FedAvg와 FedSGD와의 성능 비교를 통해 그 효과를 검증합니다.
