We consider an off-line optimisation problem where $k$ robots must service $n$ requests on a single line. A request $i$ has weight $w_i$ and takes place at time $t_i$ at location $d_i$ on the line. A robot can service a request and collect the weight $w_i$, if it is present at $d_i$ at time $t_i$. The objective is to find $k$ robot-schedules that maximize the total weight. The optimisation problem is motivated by a robotics application [Asahiro et al. Discrete Applied Mathematics, 2006] and can be modeled as a minimum cost flow problem with unit capacities in a flow network $\mathcal{N}$. Consequently, we ask for a collection of $k$ node-disjoint paths from the source $s$ to the sink $t$ in $\mathcal{N}$, with minimum total weight. It was shown in [Asahiro et al. Discrete Applied Mathematics, 2006] that the flow network $\mathcal{N}$ can be implicitly represented by $n$ points on the plane which yields to an $O(n \log n)$-time algorithm for $k=1$ and the special case where all requests have the same weight. However, for $k \geq 2$ the problem can be solved in $O(kn^2)$ time with the successive shortest path algorithm which does not use this implicit representation. We consider arbitrary request weights and show a recursive $O(k^{2k}n \log^{2k} n)$-time algorithm which improves the previous bound if $k$ is considered constant. Our result also improves the running time of previous algorithms for other variants of the optimisation problem. Finally, we show problem properties that may be useful within the context of applications that motivate the problem and may yield to more efficient algorithms.


翻译:我们考虑一个非线性优化问题, 即机器人必须在单行上为美元要求服务 。 请求 $ 美元在美元2 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 。 目标是找到 美元 机器人时间表, 使总重量最大化。 优化问题是由一个机器人应用程序[Asahiro 和 Al. 驱动的。 请求 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 。 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 美元 的 美元 美元 美元 的 美元, 的 美元 的 的 的 美元 美元 美元, 的 的,, 的, 美元 美元,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

0
下载
关闭预览

相关内容

专知会员服务
14+阅读 · 2021年5月21日
专知会员服务
76+阅读 · 2021年3月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2022年2月1日
Clearing Payments in Dynamic Financial Networks
Arxiv
0+阅读 · 2022年2月1日
LARNN: Linear Attention Recurrent Neural Network
Arxiv
5+阅读 · 2018年8月16日
VIP会员
相关VIP内容
专知会员服务
14+阅读 · 2021年5月21日
专知会员服务
76+阅读 · 2021年3月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
相关资讯
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员