本文主要研究在共享内存平台下内存限制下数据分配和任务调度问题，提出了一个整数线性规划模型和基于禁忌搜索算法的可行解决方案，并在随机生成的实例上验证了该方法的有效性。

May, 2022

使用深度强化学习技术搜索鲁棒解决方案的新方法，重点解决具有不确定持续时间的作业车间调度问题，并结合图神经网络和深度强化学习的 Wheatley 方法已公开提供以供进一步研究和应用。

Mar, 2024

研究了随机截止时间调度问题，提出了一种约束马尔科夫决策过程模型，该模型中工作随机到达，具有随机作业大小、奖励和完成期限。该服务提供商面临随机处理成本、凸非完成罚款和容量约束，以限制工作的同时处理。将随机截止时间调度问题建立为一个不安定的多臂赌博机问题，表明其可指标化。当处理成本为常量时，获得了 Whittle 指数的闭式表达式。获得了 Whittle 指数策略的最优解上限，并表明随着职位到达率和可用处理器数量同时增加到无限大，上限收敛于零。

Oct, 2016

针对含不确定性任务时间的分层计划（或时间表），我们提出了一种确定性多项式算法以估计其在特定期限前完成的概率，或者，其 ' 完成时间 ' 小于给定持续时间的概率。对于我们提出的近似算法，我们建立了形式化的逼近界限，并通过任务网络对其进行实证验证，在精度和运行时间方面优于采样技术和精确计算。

Mar, 2015

该论文提出一种名为 NPSA 的算法，用于解决随机到达工作的问题。该算法在信号弱的情况下也能保证期望收益时近最优的，同时在合成数据和公共欺诈检测数据集上取得了显著的成果。

Jun, 2021

该论文研究了随机背包问题和预算学习问题中的 LP 松弛，并提出了一种新的基于随机化的适应性调度算法，为处理其他相关的赌博机问题提供了新的方法。

Feb, 2011

本文介绍了关于随机最短路径问题的算法和策略，提供多种保证路径长度分布，而不仅是期望值最小的解决方案，并对最近在马尔科夫决策过程的研究成果进行了应用。

Nov, 2014

本文研究预约服务的 Web 和移动应用程序，针对该类问题提出了带性能保证的新算法，并在纽约市卫生系统的预约数据上进行了测试。

May, 2018

一项研究探索基于决策焦点学习技术的线性目标中含有不确定参数值的优化问题，重点关注处理时间不确定的随机调度问题，并介绍了如何适应基于随机平滑的决策焦点学习技术。通过广泛实验评估发现，在情景式随机优化问题中，决策焦点学习技术在某些情况下优于现有技术。

Dec, 2023

介绍了随机约束编程的模型，该模型旨在解决涉及不确定性和概率的组合决策问题，通过提出一种包含决策变量和随机变量的约束编程序语义及算法解决不同假设条件下的不确定性决策问题，结合了传统约束满足、随机整数编程和随机可满足性理论的方法。

Mar, 2009