Renyi-Ulam 博弈与带不完美建议的在线计算
数据结构与算法
2023-01-05 v1
摘要
我们研究新兴的带不完美建议的在线计算设定，其中在线算法由以可能出错的二进制串形式编码的某些预测所增强。算法对建议错误不知情，但定义一个期望容忍度，即其可容忍的错误建议比特数的上界。该模型推广了不可信建议模型 [Angelopoulos et al. ITCS 2020]，在后一模型中算法性能仅在错误的极值处评估（即建议无错误或建议由对手生成）。本工作中，我们建立带说谎应答者的博弈（亦称 Renyi-Ulam 博弈）与带不完美建议的在线算法设计及分析之间的联系。具体而言，我们展示如何获得针对时间序列搜索、在线竞价和分数背包等已充分研究在线问题的竞争比的上下界。我们的技术给出了该模型中在线问题的首批下界。我们还强调并利用带不完美建议的竞争分析与多处理器系统中容错性之间的联系。最后，我们展示如何通过资源扩增与鲁棒化来摆脱对容忍度参数的依赖。
引用
@article{arxiv.2301.01631,
title = {R\'enyi-Ulam Games and Online Computation with Imperfect Advice},
author = {Spyros Angelopoulos and Shahin Kamali},
journal= {arXiv preprint arXiv:2301.01631},
year = {2023}
}