在线选择递增子序列中的渐近性与更新逼近
概率论
2019-05-10 v2 最优化与控制
摘要
我们重新考察通过在线策略从带标点的Poisson过程中选取递增子序列以最大化其期望长度的问题。借助一个自然的大小变量，该问题被表示为一个具有递减路径的受控部分确定性Markov过程。通过改进已知估计，我们获得了矩的相当完整的渐近展开，并利用更新逼近给出了在最优策略下所选子序列长度的中心极限定理的新证明。
引用
@article{arxiv.1904.11213,
title = {Asymptotics and Renewal Approximation in the Online Selection of Increasing Subsequence},
author = {Alexander Gnedin and Amirlan Seksenbayev},
journal= {arXiv preprint arXiv:1904.11213},
year = {2019}
}
备注
17 pages