BriefGPT - AI 论文速递
·
排队系统中学习成本的量化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的度量标准CLQ（Cost of Learning in Queueing），用于量化由于参数不确定性引起的时间平均队列长度的最大增加。作者对单队列多服务器系统进行了刻画，并将结果推广到多队列多服务器系统和排队网络中。同时，提出了一个统一的CLQ分析框架，将Lyapunov和bandit分析相融合。
🎯
关键要点
- 提出了一种新的度量标准CLQ（Cost of Learning in Queueing）
- CLQ量化了由于参数不确定性引起的时间平均队列长度的最大增加
- 针对单队列多服务器系统对CLQ进行了刻画
- 将结果推广到多队列多服务器系统和排队网络中
- 提出了一个统一的CLQ分析框架，融合了Lyapunov和bandit分析
➡️
