基于新滑雪租赁界的学习增强型多状态动态电源管理
数据结构与算法
2021-10-26 v1 机器学习
摘要
我们研究具有多个节能状态的系统中最小化功耗的在线问题。在长度未知的空闲时段内，算法必须在具有不同能耗和唤醒代价的节能状态之间做出选择。我们开发了一种学习增强型在线算法，该算法基于(可能不准确的)空闲时段预测长度进行决策。当预测准确时，算法性能接近最优，并随预测误差增大而平滑退化，其最坏情况保证与该问题的最优经典在线算法几乎一致。我们方法的一个关键要素，是在学习增强设定下具有对预测误差紧依赖的在线滑雪租赁问题新算法。我们以实验支撑我们的理论发现。
引用
@article{arxiv.2110.13116,
title = {Learning-Augmented Dynamic Power Management with Multiple States via New Ski Rental Bounds},
author = {Antonios Antoniadis and Christian Coester and Marek Eliáš and Adam Polak and Bertrand Simon},
journal= {arXiv preprint arXiv:2110.13116},
year = {2021}
}