XiaoMi-AI文件搜索系统
World File Search System在线算法
最佳的在线算法，用于减少峰值的最大化用储能最大化
电费中高比例的需求费用激励大力客户利用能量存储来减少外部网格的峰值采购。在储能有限的情况下，我们希望以在线方式最大程度地减少峰值需求，并受到高度不确定的需求和可再生注射的挑战，高峰消费的非肿瘤性质以及在线决策的耦合。在本文中，我们提出了一种最佳的在线算法，该算法达到了最佳竞争比率，该算法是在保持在线和最佳离线峰值还原性能之间持续比率的想法。我们进一步表明，可以通过求解线性线性分流程序来计算最佳竞争比率。此外，鉴于每个决策回合的投入和行动，我们扩展了算法以自适应维持最佳竞争比率。自适应算法保留了最佳的最坏情况保证，并获得了改善的平均案例性能。我们使用现实世界的痕迹评估了我们提出的算法，并表明它们获得了最佳离线基准的峰值降低81％。此外，与基线替代方案相对于基线替代方案，自适应算法至少增加了20％的峰值降低。
用于在线算法的带缓冲模型的量子请求-回答游戏。最常见关键字问题的应用
摘要 我们将在线算法视为一个请求-回答游戏。一个对手生成输入请求，一个在线算法进行回答。我们考虑该游戏的一个广义版本，它具有有限大小的缓冲区。对手将数据加载到缓冲区，算法随机访问缓冲区的元素。我们考虑该模型的量子和经典（确定性或随机性）算法。在本文中，我们提供了一个特定问题（最频繁关键字问题）和一个量子算法，该算法在竞争比方面比任何经典（确定性或随机性）算法都更好。同时，对于该问题，标准模型中的经典在线算法等同于带缓冲区的请求-回答游戏模型中的经典算法。