具有噪声请求估计的无悔缓存
机器学习
2023-09-06 v1 网络与互联网体系结构
性能
摘要
在线学习算法已成功用于设计具有后悔保证的缓存策略。现有算法假设缓存知道精确的请求序列,但在高负载和/或内存受限的场景中这可能不可行,其中缓存可能仅能访问采样请求或近似请求计数器。在本文中,我们提出了噪声跟随扰动领导者(Noisy-Follow-the-Perturbed-Leader, NFPL)算法,它是经典跟随扰动领导者(FPL)在请求估计有噪声时的变体,并且我们表明所提方案在请求估计器的特定条件下具有次线性后悔。实验评估将所提方案与经典缓存策略进行比较,并在合成和真实请求轨迹下验证了所提方法。
引用
@article{arxiv.2309.02055,
title = {No-Regret Caching with Noisy Request Estimates},
author = {Younes Ben Mazziane and Francescomaria Faticanti and Giovanni Neglia and Sara Alouf},
journal= {arXiv preprint arXiv:2309.02055},
year = {2023}
}