机构名称：
¥ 1.0
本研究旨在为在线资源分配问题设计一种最佳和战略性的机制。在此类问题中，消费者以任意方式随机使用其资源请求。结果，未来资源需求存在不确定性。此外，分配和付款决策取决于提供者的过去经验。为了应对这些挑战，我们提出了一种新颖的增强学习算法，以优化资源分配策略。所提出的算法采用了一种新型的单调奖励型函数，该函数使用了主要的资源多标签分类技术。最后，计算关键的支付价值，以维持在线环境中的策略性范围。实验评估表明，所提出的机制达到的结果在最佳社会福利的96％以内，同时超过了使用固定定价的其他机制。©2021由Elsevier B.V.
未来的计算机系统
主要关键词
相关文件推荐
