基于在线冲突消解方案的完全动态在线选择
人工智能
2023-01-10 v1 机器学习
摘要
我们研究对抗/随机设定下的完全动态在线选择问题，其涵盖贝叶斯在线选择、先知不等式、张贴价格机制以及受组合约束的随机探测问题。在问题的经典“增量式”版本中，被选元素在输入序列结束前保持活跃。而在完全动态版本中，元素仅在有限时间间隔内活跃，随后离开。这建模了例如任务与具有任务/工人相关工作时长的工人之在线匹配，以及易腐商品的序贯张贴定价。对抗设定下在线选择问题的一种成功方法是在线冲突消解方案（OCRS）的概念，其利用先验信息构建底层优化问题的线性松弛，并对任意对抗输入序列顺序在线舍入该最优分数解。我们的主要贡献是给出构造完全动态在线选择问题 OCRS 的通用方法。进而，我们展示如何借助此类 OCRS 在具有半强盗反馈与对抗输入的部分信息模型中构造无遗憾算法。
引用
@article{arxiv.2301.03099,
title = {Fully Dynamic Online Selection through Online Contention Resolution Schemes},
author = {Vashist Avadhanula and Andrea Celli and Riccardo Colini-Baldeschi and Stefano Leonardi and Matteo Russo},
journal= {arXiv preprint arXiv:2301.03099},
year = {2023}
}