具有流量突发的在线分配：混合对抗与随机模型

受互联网广告应用的推动，在线分配问题已在多种对抗性和随机模型中得到广泛研究。虽然对抗性到达模型过于悲观，许多随机（如独立同分布或随机顺序）到达模型并不能真实地刻画预测中的不确定性。造成这种不确定性的一个重要原因是存在不可预测的流量突发，通常源于突发新闻或类似事件。为解决此问题，已有研究提出同时逼近框架以开发在对抗和随机模型中均表现良好的算法；然而，该框架无法使算法在做出在线决策时充分利用部分准确的预测。本文提出一种鲁棒在线随机模型，刻画了在线广告中流量突发的本质。在我们的模型中，除了具有良好预测的随机输入外，还有未知数量的展示以对抗方式被选择到达。我们设计的算法将随机算法与能够自适应响应不准确预测的在线算法相结合。我们为该框架下的新算法提供了可证明的界。在正面结果之外，我们给出了一组困难性结果，表明我们的算法在该框架下离最优不远。作为结果的副产品，我们还提出了针对同时逼近框架一个微小变体的改进在线算法。