在线随机匹配:超越 1-1/e
介绍一种加权排名算法,对于在线顶点以随机顺序到达时的顶点加权二分匹配问题证明了 0.6534 的竞争比率。基于 Devanur 等人的随机原始对偶框架,设计了一个二维收益共享函数来提高算法的竞争比率,并在在线二分匹配问题中达到了大于 1-1 /e 的拓展比率。
Apr, 2018
研究在线非加权二分图匹配中的问题,其中有 n 个离线顶点和 n 个在线顶点,并且希望与最佳离线算法保持竞争力。尽管 Karp 等人 [1990] 的经典 RANKING 算法可以证明达到 1-1/e>1/2 的竞争比率,但我们表明在对抗性到达模型中,没有学习增强方法既可以是 1 - 一致的又可以比 1/2 - 健壮。同时,在随机到达模型下,我们展示了如何利用分布测试方法设计出一种算法,该算法接受关于在线顶点的外部建议,并在竞争比率上从不需要建议的方法和最优比率 1 之间插值,这取决于建议的质量。
May, 2024
本论文提出一种基于 Monte Carlo 采样的在线算法,在解决传播广告分配问题的同时,实现 competing ratio 为 0.702,也证明了当到达速率为整数时 competing ratio 为 0.705。同时,我们还证明采用已知分布模型无法实现 competing ratio 小于 0.823。
Jul, 2010
研究了一种顶点加权的在线二分图匹配算法,使用随机扰动顶点权重的多样化方法,得到了一种最佳 $(1-rac {1} {e})$ 竞争性算法,该算法是现有算法的一般化,为在线资源分配问题提供了新的见解。
Jul, 2010
研究在线随机匹配问题,提出了基于 Poisson 到达模型的 0.711 竞争性算法和近似等价性证明,应用线性规划和 Jensen 不等式实现算法优化,推出第一个在较弱随机到达模型下的节点加权在线随机匹配算法。
Mar, 2021
本文提出一种针对多个资源分配问题的算法体系,将在线请求建模为每次从未知的概率分布中独立抽取,给出了一个在任意接受数据的情况下获得一定比例最优解的单一算法,并且探究了如何在任意情况下应对敌对分布。同时,文中提出了解决大型 LPs 混合装填覆盖问题的快速算法,并分析了该算法在在线拍卖、网络路由和广告策略方案等特殊情况下的应用。
Mar, 2019
本文提出应用于随机匹配问题和随机集合覆盖问题的边缘和集合查询算法,分别基于自适应和非自适应策略,并将结果扩展到肾脏交换问题等实际问题上,结果表明即使在每个顶点上进行非常少量的非自适应边缘查询,也可以大大提高成功匹配率。
Jul, 2014