带预测的加拿大旅行者问题
数据结构与算法
2022-09-23 v1
摘要
在本文中，我们考虑由 Lykouris 与 Vassilvitskii 提出的学习增强框架下的 -加拿大旅行者问题（-CTP）。-CTP 是最短路径问题的一个推广，涉及一名旅行者提前知晓整个图，并希望找到从源顶点 到目标顶点 的最短路径，但在到达某些边（至多 条）时发现它们被阻塞。一个可能不完美的预测器给出被阻塞边的数量与位置。我们提出了一种确定性和一种随机化的在线算法，用于学习增强的 -CTP，实现了一致性（预测正确时解的质量）与鲁棒性（预测存在错误时解的质量）之间的权衡。此外，我们证明了确定性情形下的匹配下界，确立了一致性与鲁棒性之间的权衡是最优的，并给出了随机化算法的下界。最后，我们根据预测误差证明了 -CTP 竞争比上的若干确定性与随机化下界，并在大多数情形下以匹配的上界作为补充。
引用
@article{arxiv.2209.11100,
title = {Canadian Traveller Problem with Predictions},
author = {Evripidis Bampis and Bruno Escoffier and Michalis Xefteris},
journal= {arXiv preprint arXiv:2209.11100},
year = {2022}
}