- 平滑在线优化的最优算法：超越在线平衡下降
研究了在线凸优化中的竞争比率和算法，证明了一个新的下限。同时提出了两种新的算法，G-OBD 和 R-OBD 并证明了其具有 $O (m^{-1/2})$ 的竞争比率及成功降低了回归成本。
- 最优地追逐凸体
本文提出了一种改进的算法来解决凸体追逐问题，实现了广义范数空间上的常数竞争比，而在欧几里得空间中，我们的算法同时还实现了接近于研究数量函数的 Steiner 点的最佳竞争比 O (根号 dlogN)。
- 库存约束下的竞争在线优化
该研究提出了一种新的算法框架 CR-Pursuit，用于解决在线优化中的库存约束问题，并证明了在确定性算法中其取得最小的竞争比率。
- 半在线二分匹配
本文介绍了半在线模型，分析了其应用于二分图匹配问题的效果，给出了竞争性的算法并证明其同样具有竞争性，竞争度可以在完全在线模型和完全离线模型之间插值。
- 带背包的对抗性赌博机
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。
- 带有短列表的次模秘书问题
本文提出了一种称为 submodular k-secretary problem with shortlists 的问题设置，旨在改善 submodular k-secretary 问题的可达竞争比率，而使用大小为 O (k) 的 shor - 基于衰减的框架进行在线随机匹配并解决超时问题
该研究的重点是通过引入时间限制和随机性，设计算法解决在线匹配中时间窗口和不确定性问题，提高市场竞争比率。
- 在线顶点加权二分匹配：通过随机到达击败 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 - ICML机器学习建议下的竞争性缓存
本篇论文提出了一种框架，通过将已有的在线算法与机器学习算法结合，可以在具有较低误差的情况下证明实现竞争比的提高。并将此框架应用于传统缓存问题中，通过修改 Marker 算法，利用机器学习算法的预测结果，实现较低的竞争比，即使是使用简单的预测 - 在线自由处理子模最大化：随机化对分割矩阵 0.25 优势
本文研究了带有破坏性（free disposal）的 matroid 约束下的在线次模最大化问题。针对 k-uniform matroids，本文提出了一个与以往最优算法竞争比例更高的确定性算法；同时，本文也探讨了在 partition m - 平衡下的路由
该论文介绍了有向图平衡的概念，利用该概念解决了多个有关有向图中的路由问题。另外，还给出了针对平衡的有向图的最大流问题的快速算法。
- 众包市场中异构任务的在线分配
研究如何在固定预算内通过在线算法在众包市场中进行任务分配，探讨了实现任务分配的几种算法及评估方案，并通过实验验证了算法的实用性。
- 在线子模最大化算法及其中断
本文研究基于在线变体的子模函数最大化问题，探讨了两种特殊情况并得出了竞争比的上下界。具体而言，设计了一个 $1/e$ 竞争算法和一个针对最多只包含 k 个元素的解的常数竞争比算法。
- 生产成本下的福利最大化：基本对偶方法
本文研究使用在线主次对偶框架的生产成本拍卖问题，对于任意（严格凸可微的）生产成本函数，表征了在线机制 / 算法可实现的最优竞争比率，并构建了下界实例，其中在线张贴定价机制可以实现接近最优的竞争比率。
- 在线蛋糕切割（已发布版本）
本文提出了一种在线蛋糕切分问题的解决方法，探讨了公平分配方案，包括在线比例公平性和不嫉妒性等公平性质，研究了代理之间勾结的影响，通过理论和经验考察竞争比率评估了各种在线蛋糕切分方法，结果表明在线 “切 - 选” 法能够更好地抵御代理的勾结并 - 在线随机匹配：基于离线统计的在线行为
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 - 竞争性页面置换算法
介绍一种简单的随机在线算法 —— 标记算法，用于解决决定在一个包含 k 个页面的内存中保留哪些页面以最小化页面故障的问题，并证明其性能保证（竞争比率）是 O (log k)，而没有确定性的在线算法能够具有比 k 更好的性能保证。