机构名称：
¥ 2.0
在发起算法机理设计领域的开创性论文中，Nisan and Ronen [27]研究了设计策略性防止机制以在无关机器上安排工作的问题，旨在最小化Makepan。他们提供了一种策略性的机制，可以实现n个应用，并大胆地猜想这是任何确定性的策略性计划调度机制都可以实现的最佳近似值。经过二十多年的努力，N仍然是Christodoulou等人最著名的近似和最近的工作。[11]能够证明所有确定性策略性机制的近似结合。但是，这种强烈的负面结果在很大程度上取决于以下事实：这些机制的性能是使用最坏情况分析评估的。要克服这种过于悲观的，通常是不信息的，最差的界限，最近的工作集中在“学习增强的框架”上，其目标是利用机器学习的预测来获得改善的近似值，同时近距离固定时，即使在近距离近似近似情况下，这些预测也是如此，即在这项工作中，我们使用学习扬声器的框架研究了Nisan和Ronen [27]的经典战略调度问题，并提供了一种确定性的多项式策略性防止机制，该机制是6一致和2 N-brobust。因此，我们实现了“两全其美的最佳”：O（1）的一致性和O（n）鲁棒性，渐近地与最著名的近似值匹配。然后，我们扩展此结果，以提供更一般的最差近似值保证，作为预测误差的函数。最后，我们通过表明任何1一致的确定性策略防抗机制具有无限稳定性来补充积极的结果。
带有预测的战略防止调度 - 滴
主要关键词
相关文件推荐
