学习增强算法中的巴恩卡德问题

Hailiang Zhao; Xueyan Tang; Peng Chen; Shuiguang Deng

学习增强算法中的巴恩卡德问题

机器学习 2024-10-22 v1 数据结构与算法最优化与控制

作者: Hailiang Zhao , Xueyan Tang , Peng Chen , Shuiguang Deng

摘要

本文研究学习增强算法在巴恩卡德问题中的应用。巴恩卡德问题是滑雪租赁问题的一种泛化形式，旅客需在未知的未来中，在廉价的短期解决方案和昂贵的长期解决方案之间做出不可撤销且重复的决定。尽管该问题具有典型性，但仅有一个基于原始-双侧的学习增强算法被明确设计用于解决。我们发展了一种新的学习增强算法，命名为PFSUM，该算法综合运用历史信息和短期未来信息，以改进在线决策。我们推导了PFSUM的竞争比率作为预测误差的函数，并通过大量实验表明PFSUM优于基于原始-双侧的方法。

关键词

学习增强算法巴恩卡德问题竞争比率预测误差在线决策

引用

@article{arxiv.2410.15257,
  title  = {Learning-Augmented Algorithms for the Bahncard Problem},
  author = {Hailiang Zhao and Xueyan Tang and Peng Chen and Shuiguang Deng},
  journal= {arXiv preprint arXiv:2410.15257},
  year   = {2024}
}

备注

This paper has been accepted by the 38th Conference on Neural Information Processing Systems (NeurIPS 2024)

学习增强算法中的巴恩卡德问题

摘要

关键词

引用

备注

相关论文