本研究提出了一种异质性感知个性化联邦学习方法HAPFL，旨在解决传统联邦学习中的模型精度损失和延迟问题。该方法通过多层次强化学习机制优化客户端模型分配和训练强度，显著提升训练效率和精度，实验结果表明HAPFL有效减少了训练时间和延迟。