关键词learning-augmented algorithms
搜索结果 - 8
- 在线零一背包问题的竞争算法与简洁预测
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。
- 在线装箱的简化学习增强算法与凹函数目标
通过使用机器学习预测以改善算法的性能，该研究论文介绍了一种针对在线装箱问题的简单的学习增强算法，并展示了该框架在线性规划、背包问题、资源管理效益、吞吐量最大化和网络效用最大化等多个领域的直接应用，同时提出了理解简单黑盒解决方案何时可优化的必 - 非先知性调度与部分预测
非全知调度问题的学习增强算法中具备预测但没有质量保证，通过对只有部分作业大小的预测进行研究，建立了近似最优下界和算法，并呈现了在预测数量受限情况下一种新的一致性和平滑性之间的权衡关系。
- 能效调度与预测
在能效调度中，使用学习增强的算法框架，通过减小预测误差，实现多种能效调度问题的竞争比率改善。
- 基于预测的排序
通过学习增强算法的角度探索排序问题，其中算法利用可能存在错误的预测来提高效率。我们考虑了两种不同的情境：在第一种情境中，为每个项目提供了其在已排序列表中的位置预测；在第二种情境中，我们假设存在一种 “快速但不精确” 的方法来比较项目，除此之 - 带预测的不确定性下的排序和超图定向
该论文研究了在不确定性条件下，利用学习增强算法处理排序和超图方向问题，并提出了针对准确和错误预测的性能保证算法，可以通过查询提高不确定性元素的精确度，从而最小化问题求解所需的查询数量。
- 学习增强的在线设施选址
本文研究使用学习增强算法解决在线设施定位问题，在实际数据上验证该算法的性能并与当前最佳在线算法进行比较，结果表明该算法具有不错的竞争比率和适用性。
- ICML强化学习增强的缓存：实验研究
使用机器学习和加强式算法提高缓存置换的性能