自适应性的力量：随机次模覆盖问题
数据结构与算法
2021-07-01 v1
摘要
在随机次模覆盖问题中，目标是选择期望代价最小的随机物品子集以覆盖一个次模函数。该设定下的解对应于逐个“自适应”地（依赖于先前的观测）选择物品的序贯决策过程。虽然此类自适应解能达到最优目标，但其固有的序贯性质在许多应用中并不理想。我们提出：仅使用少量自适应轮次的解能在多大程度上近似完全自适应解？针对独立与相关设定，我们给出了近乎紧的界，证明了相对于完全自适应解，自适应轮次数量与解质量之间的平滑权衡。在合成与真实数据集上的实验表明，随着允许更多自适应轮次，解在质量上有显著改善；在实践中，具有少量自适应轮次的解几乎与完全自适应解一样好。
引用
@article{arxiv.2106.16115,
title = {The Power of Adaptivity for Stochastic Submodular Cover},
author = {Rohan Ghuge and Anupam Gupta and Viswanath Nagarajan},
journal= {arXiv preprint arXiv:2106.16115},
year = {2021}
}
备注
In proceedings of ICML 2021