BriefGPT - AI 论文速递
·
在线线性规划的罕见解决算法
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究在线线性规划中的分批处理方法，延迟决策提高运营性能。算法具有 O(log K) 的遗憾上界，考虑顾客不耐烦程度和批次大小选择方法。
🎯
关键要点
- 研究在线线性规划中的分批处理方法，延迟决策提高运营性能。
- 与无分批处理的OLP相比，分批处理能够带来更好的遗憾值。
- 分析资源消耗条件分布为连续时的遗憾值下界和算法。
- 提出具有O(log K)的遗憾上界的算法，适用于单一或多种资源情况。
- 顾客到达遵循泊松过程，遗憾上下界与规划时间跨度无关。
- 算法仅在首尾批次上延迟决策，考虑顾客不耐烦程度和批次大小选择。
➡️
