具有预测与切换成本的在线优化:快速算法与基本极限
最优化与控制
2020-03-10 v4
摘要
本文研究了一类具有有限预测窗口成本函数和决策附加切换成本的在线优化问题。我们提出了两种基于梯度的在线算法:滚动地平线梯度下降(RHGD)和滚动地平线加速梯度(RHAG)。两种算法在每个阶段仅需要有限次投影梯度计算。我们给出了所提算法动态遗憾的上界,并表明遗憾上界随预测窗口长度呈指数衰减。此外,我们研究了一大类确定性在线算法动态遗憾的基本下界。该下界接近 RHAG 的遗憾上界,表明我们基于梯度的 RHAG 是一种近最优在线算法。最后,我们进行数值实验以补充理论分析。
引用
@article{arxiv.1801.07780,
title = {Online Optimization with Predictions and Switching Costs: Fast Algorithms and the Fundamental Limit},
author = {Yingying Li and Guannan Qu and Na Li},
journal= {arXiv preprint arXiv:1801.07780},
year = {2020}
}