本文讨论在线线性优化问题，提出了一种新算法框架，结合学习与决策，实现了O(T^{1/3})的遗憾值。研究了分批处理方法对运营性能的影响，分析了遗憾值的上下界，并提出了针对多资源分配的算法体系，应用于在线拍卖和广告策略等领域。

本文提出了一种针对多个资源分配问题的算法体系，能够在任意接受数据的情况下获得一定比例最优解，并解决了大型LPs混合装填覆盖问题。同时，还分析了该算法在在线拍卖、网络路由和广告策略方案等特殊情况下的应用。