具有随机持有成本的作业调度
机器学习
2022-09-22 v3 数据结构与算法
最优化与控制
机器学习
摘要
我们研究单服务器调度问题，目标是最小化作业产生的期望累积持有成本，其中定义随机作业持有成本的参数对调度器未知。我们考虑一种允许不同作业类的通用设定，同类作业具有统计一致的持有成本与服务时间，且各类作业数量任意。在每个时间步，服务器可处理一个作业并观测尚未完成作业的随机持有成本。我们考虑一种基于学习的 规则调度，其以固定时长的抢占期作为学习阶段开始，在收集作业数据后切换为非抢占式调度。我们的算法旨在处理平均作业持有成本差距较大与较小的实例，并取得近最优的性能保证。算法性能通过后悔值评估，基准为参数已知时 规则调度策略所能达到的最小总持有成本。我们给出了后悔下界以及达到近乎匹配后悔上界的算法。数值结果证明了我们算法的有效性，并表明后悔分析近乎紧。
引用
@article{arxiv.2105.13655,
title = {Scheduling Jobs with Stochastic Holding Costs},
author = {Dabeen Lee and Milan Vojnovic},
journal= {arXiv preprint arXiv:2105.13655},
year = {2022}
}
备注
Extended abstract appeared in NeurIPS 2021