We consider ordinal online problems, i.e., tasks that only depend on the pairwise comparisons between elements of the input. E.g., the secretary problem and the game of googol. The natural approach to these tasks is to use ordinal online algorithms that at each step only consider relative ranking among the arrived elements, without looking at the numerical values of the input. We formally study the question of how cardinal algorithms (that can use numerical values of the input) can improve upon ordinal algorithms. We give a universal construction of the input distribution for any ordinal online problem, such that the advantage of any cardinal algorithm over the ordinal algorithms is at most $1+\varepsilon$ for arbitrary small $\varepsilon> 0$. However, the value range of the input elements in this construction is huge: $O\left(\frac{n^3\cdot n!}{\varepsilon}\right)\uparrow\uparrow (n-1)$ for an input sequence of length $n$. Second, we identify a natural family of core problems and find a cardinal algorithm with a matching advantage of $1+ \Omega \left(\frac{1}{\log^{(c)}N}\right),$ where $\log^{(c)}N=\log\log\ldots\log N$ with $c$ iterative logs and $c$ is an arbitrary constant $c\le n-2$. Third, we construct an input distribution of only exponential size $N=O((n/\varepsilon)^n)$ for the game of googol such that any cardinal algorithm has advantage of at most $1+\varepsilon$ over ordinal algorithms for arbitrary small $\varepsilon> 0$. Finally, we study the dependency on $n$ of the core problem. We provide an efficient construction of size $O(n)$, if we allow cardinal algorithms to have constant factor advantage against ordinal algorithms.


翻译:我们考虑的在线问题, 也就是说, 任务只能取决于输入元素之间的对等比较 。 例如, 秘书问题 和googol 游戏 。 这些任务的自然方法是使用 ordinal 在线算法, 每一步只考虑对到达元素的相对排序, 而不看输入的数值 。 我们正式研究基本算法( 能够使用输入的数值) 如何改进 ordal 算法 。 我们为任何 ordin 在线问题提供一个通用的输入分布 。 例如, 任何基本算法相对于 ordinal 算法的优势, 最多是 1 $ varepsl > 。 然而, 此构造中输入元素的价值范围是巨大的 : $left( orc{n\\\\\ cdrentral rial) $( n_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ $_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ ral_ $_ ral_ ral_ ral_ ral_ $_ ral_ ral_ ral_ $_ $____ ral______________________ ral________________ ral___ r_r_r_r_r_r______________________r_r_r_r_r_r_r__________________________________ral_ral_ral_ral_ral_ral_ral_ral_r_r_r_r_r_r_r_r_r_r_r_r_r_r_______r_r_r_

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年1月13日
Arxiv
0+阅读 · 2023年1月12日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员