arXiv 新研究提出可复用资源在线分配策略 Lag
热点事件持续更新
arXiv 新研究提出可复用资源在线分配策略 Lag
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
arXiv 机器学习分类发布一项研究，针对可复用资源的在线任务分配问题提出闭式索引策略 Lag。作者 Keerthana Gurushankar 等将其建模为上下文 restless 多臂老虎机（CRMAB），并通过对偶占用度量 LP（OCC-LP）得到该策略。 研究称，在服务器副本数与到达量同步增长的缩放机制下，Lag 具有渐近最优性。在同行评审数据集与呼叫中心路由上，Lag 达到 LP 上界的 83-99%，奖励比贪心分配最多提升 12.3%（期刊数据）和 36%（结构化合成实例）。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
Lag：可复用资源在线分配的平均场最优策略报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGLag：可复用资源在线分配的平均场最优策略
研究针对可复用资源的在线任务分配问题，将其建模为上下文 restless 多臂老虎机（CRMAB），并通过占用度量 LP（OCC-LP）的对偶推出闭式索引策略 Lag。在服务器副本数与到达量同步增长的缩放机制下，Lag 具有渐近最优性。在同行评审数据集与呼叫中心路由上，Lag 达到 LP 上界的 83-99%，奖励比贪心分配最多提升 12.3%（期刊数据）和 36%（结构化合成实例）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。