本文综述在线资源分配与调度的多项研究，涵盖未知预测质量下的渐进最优、贝叶斯学习与汤普森抽样用于公共卫生干预、分布式在线学习框架、指数加权算法处理任务转移、可复用资源的在线任务分配、无人机物联网任务调度、延迟反馈MDP在线学习、随机截止时间调度与Whittle指数、在线分组调度竞争比改进，以及多任务在线学习元算法。

该文综述在线资源分配研究，针对非均匀到达、未知点击率、交通峰值等场景，提出参数化线性规划、鲁棒随机模型、在线学习框架及机器学习建议算法，兼顾稳健性与性能，并应用于广告、路由、预约系统等领域。