利用规模经济对在线到达进行动态批处理

许多场景，例如网约车平台中将乘客与司机匹配或流内视频广告，都需要随时间处理到达。在此类应用中，将到达的订单或请求分组为批次并处理较大批次而非单个到达通常是有益的。然而，为创建较大批次而等待过久会对已到达者产生等待成本。另一方面，过早处理到达会因错失将大量到达分组为较大批次的规模经济而导致更高的处理成本。此外，下一次到达的时间通常未知，这意味着固定大小批次或固定等待时间往往是糟糕的选择。在这项工作中，我们考虑在离线和在线设置下寻找最优批处理调度以最小化等待时间与处理成本之和的问题。在所有到达时间先验已知的离线问题中，我们通过将问题归约为加权无环图上的最短路径问题，证明了可在多项式时间内找到最优批处理调度。对于到达时间未知的在线问题，我们开发了对于广泛处理成本函数可证明具有竞争性的算法。我们还给出了任何在线算法都无法超越的竞争比下界。最后，我们在模拟和真实数据上进行了数值实验，以证明我们的算法相对于离线基准的有效性。