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
该文研究了在服务时间不确定且使用机器学习算法进行预测时的作业调度,提出了几个策略的性能公式,并引入了 “错误预测的代价” 框架来度量使用预测信息的成本。
Feb, 2019
为云用户提供工作完成时间预测,提出了 PCS 调度框架,通过配置 Weighted-Fair-Queueing 参数,达到预测性能与其他目标的平衡,实现 DNN 工作调度的准确完成时间估计。
Jan, 2024
本文研究加权分页问题及其预测,提出 strong per request prediction (SPRP) 模型,证明结合固定的展望和下一个请求数的信息是不足以克服现有的下限。同时,我们还探讨了随着随着预测误差的增加,算法的缓慢衰退。通过一组自然的预测误差度量,给出了上下界。
Jun, 2020
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
本研究提出了一种新的调度方法,使用 GFlowNet 方法按比例抽样代理指标,通过在推理时间控制所提出的时间表的差异性和优良性之间的权衡以及将 GFlowNet 条件化为计算图,证明了相对于我们的方法,纯优化基线在目标模型上的性能不佳。
Jan, 2023
本研究提出了新方法,用于精确预测进程、服务级别协议和活动序列,旨在帮助企业管理者及时应对业务流程中可能出现的问题,同时解决进程的非平稳性问题,通过对两个真实案例的广泛评估,我们的方法表现优于现有的最新技术。
Feb, 2016
研究了在线分组调度问题,在预测误差较小的情况下使用了新算法框架,提高了竞争比率且仍保持有界竞争比率。
May, 2023
研究在线机制在满足截止日期的前提下如何保证完成作业的价值最大化,通过使用 deadline slackness 的自然假设,我们构建了一个具有竞争力的高效调度机制,并且如果满足 commitment property 的条件,则用户可以提前得知作业的完成情况和必要的付款,从而更好地满足他们的严格截止日期需求。
Jul, 2015
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