competitive analysis | BriefGPT

关键词competitive analysis

搜索结果 - 8

强化学习中奖励展望的价值
通过竞争分析的视角，我们量化分析了先见之明的未来回报信息的价值，并且得出了标准 RL 代理和具有部分未来回报展望的代理之间的比率。我们刻画了最坏情况下的回报分布，并得出了最坏情况下回报期望的精确比率。结果令人惊讶的是，所得比率与离线 RL
PDF4 months ago
Follow-the-Regularized-Leader 竞争比分析及最佳学习率自适应
Follow-The-Regularized-Leader (FTRL) 在在线学习中是一种有效且多功能的方法，调整其学习率的问题被形式化为序贯决策问题，并引入了竞争分析的框架。我们提出的学习率更新规则通过与竞争比率的下限相差一个常数因子来
PDF4 months ago
实例最优在线学习的 SMART 方法
我们提出了一种在线学习算法 —— 通过单调适应性遗憾追踪（SMART）进行切换，它适应数据并实现了在每个输入序列上相对于领导者跟随（FTL）策略的表现和任何其他输入策略的最坏情况保证同时有效的遗憾，通过我们的算法，我们证明 SMART 政策
PDF4 months ago
ICML多预测在线算法
本文研究了在多个机器学习预测的基础上增强的在线算法。我们提出了一个通用的算法框架，用于多重预测的在线覆盖问题，该算法能够获得与最佳预测器性能相竞争的在线解决方案。该算法还能够同时使竞争性达到最佳预测和最佳在线算法的性能水平，并应用于解决一些
PDF2 years ago
学习增强在线算法的最优韧性 - 一致性平衡
研究如何将机器学习预测融入在线算法以提高性能，并提供非平凡的下界来衡量竞争分析的最优权衡.
PDF4 years ago
更好和更简单的学习增强在线缓存
采用盲算法和最优竞争算法相结合的混合算法在在线缓存中表现优于所有现有方法，而且结构更简单。此外，我们证明了对于这个问题，将 BlindOracle 与 LRU 相结合实际上是确定性算法中的最优解。
PDF4 years ago
在线近似稀疏涵盖整数规划
本文研究了覆盖整数规划和线性规划的在线算法，其中在保证可行性的前提下，提出了 O (log k) 的 CLP 算法和 O (log k log L) 的 CIP 随机算法，这是多项式时间内在线算法的最优竞争比。
PDF12 years ago
在线线性规划的动态近最优算法
本文提出了一种基于学习的在线线性规划算法，可应用于许多在线资源分配和收入管理问题，具有良好的竞争优势。
PDF15 years ago