最小化任意变化信道中的排队长度后悔

我们考虑在单个发射-接收对上配置有N个任意变化无线信道的在线信道调度问题。信道的传输速率可能是非平稳的，并且可能由一个不记忆的对手控制。在每个时隙中，数据到达于位于发射端的无限容量数据队列中。调度器（不记忆当前信道速率）选择一个信道进行传输。在该时隙结束时，调度器仅获取所选信道的传输速率。目标是最小化排队长度后悔，即在某个时间T上在在线策略下获得的排队长度与通过始终在轨后选择单个最佳信道传输获得的排队长度之间的差异。我们提出了一种弱自适应的多臂老虎机(MAB)算法，用于最小化此设置下的排队长度后悔。与前期工作不同，我们对队列或到达过程的稳定性不做任何假设。因此，即使在排队过程不稳定时，我们的结果仍然成立。我们的主要观察是，排队长度后悔可上界为在[ T]的每个子区间上均以轨后选择最佳信道的MAB策略后悔。作为独立兴趣的技术贡献，我们随后提出一种弱自适应对抗性MAB策略，实现$\tilde{O}(\sqrt{N}T^{\frac{3}{4}})$的高概率后悔，从而为排队长度后悔提供相同的界限。