该论文研究了在线背包问题中的公平性及其影响，并针对不公平性问题提出了一种基于时间公平性的参数化确定性算法和一种公平、稳健及一致性的学习增强算法。

May, 2023

在线背包问题的学习增强算法通过使用简洁的预测信息，在无传递完美预测和有限完美预测两种情况下，设计了能够提高算法性能的算法，并在实验中表现优于基线和复杂预测模型的算法。

Jun, 2024

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

本文研究了在线算法在最坏情况和随机顺序模型中的应用，探讨了秘书问题的解决方法和竞争比的优化。

Jul, 2019

我们考虑了一种混合物优化问题，针对在线随机匹配的情况，我们提出了一种多项式时间近似算法，其近似比为至少 1-ln (2-1 /e) 或 0.51，并基于线性规划松弛进一步改进了以前的随机舍入方案。在一般的混合物问题中，我们建立了第一个常数因子近似比为 0.09 的情况，这种情况下不同类型的客户赋予不同价值，并建立了近似比为 0.15 的情况，即不同客户赋予每个项目相同的价值。

Aug, 2019

本文研究在线问题中的线性规划问题，提出了解决混合 packing 和 covering 约束线性规划在线问题的算法，并应用于两个与机器调度和设施定位相关的问题，得到了多项式对数竞争积分解决方案。

Mar, 2012

介绍了一种称为带背包的赌徒问题的通用模型，结合了随机整数规划和在线学习的方面。该论文提出了两种算法来解决这个问题，它们的报酬接近于信息论上的最优解，但同时带背包的赌徒问题相比传统的赌徒问题更具挑战性。

May, 2013

探究了一种带背包的 Bandits 模型，旨在在限制供应 / 预算情况下求解多臂赌博机问题。提出了一种新的算法，采用重复博弈中遗憾最小化的框架，相对于最佳固定动作分布具有 O (log T) 的竞争比率。

Nov, 2018

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

该论文提出了改进的算法，能够在更短的时间内解决背包问题，同时开始对容量动态规划进行系统研究，并利用任务松弛和子问题中出现的凸性创新性的解决问题的方法。

Feb, 2018