基于联邦学习（Federated Learning，FL）的思想和方法提高多智能体在MEC场景中的协作效率是学术界的一个研究热点。FL提出的初衷原本用于解决终端用户在本地更新模型的问题，其设计目标是在保护终端数据和个人数据隐私的前提下，在多智能体之间或多计算结点之间开展高效率协同的机器学习。联邦学习因其自身的特点可以在MEC场景中得到广泛应用。