In this paper, we consider the multi-level aggregation problem with deadlines (MLAPD) previously studied by Bienkowski et al. (2015), Buchbinder et al. (2017), and Azar and Touitou (2019). This is an online problem where the algorithm services requests arriving over time and can save costs by aggregating similar requests. Costs are structured in the form of a rooted tree. This problem has applications to many important areas such as multicasting, sensor networks, and supply-chain management. In particular, the TCP-acknowledgment problem, joint-replenishment problem, and assembly problem are all special cases of the delay version of the problem. We present a $D$-competitive algorithm for MLAPD. This beats the $6(D+1)$-competitive algorithm given in Buchbinder et al. (2017). Our approach illuminates key structural aspects of the problem and provides an algorithm that is simpler to implement than previous approaches. We also give improved competitive ratios for special cases of the problem.


翻译:在本文中,我们考虑了Bienkowski等人(2015年)、Buchbinder等人(2017年)、Azar和Toitou等人(2019年)以前研究的最后期限(MLAPD)的多层次集合问题,这是一个在线问题,算法服务要求随着时间推移而到达,通过汇总类似请求可以节省费用。成本以树根化形式组织;这个问题适用于许多重要领域,如多播、传感器网络和供应链管理。特别是TCP的重新确认问题、联合充斥问题和组装问题都是问题拖延的特殊情况。我们为MALPD提出了美元-竞争性算法。这比Buchbinder等人(2017年)提供的6美元(D+1美元)-竞争性算法要高。我们的方法说明了问题的关键结构方面,并提供了比以往方法更简单的算法。我们还提高了该问题特殊案例的竞争比率。

0
下载
关闭预览

相关内容

CASES:International Conference on Compilers, Architectures, and Synthesis for Embedded Systems。 Explanation:嵌入式系统编译器、体系结构和综合国际会议。 Publisher:ACM。 SIT: http://dblp.uni-trier.de/db/conf/cases/index.html
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
已删除
将门创投
3+阅读 · 2019年9月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Arxiv
0+阅读 · 2021年10月6日
Asymmetrical Vertical Federated Learning
Arxiv
3+阅读 · 2020年6月11日
Arxiv
7+阅读 · 2020年5月25日
Learning to Importance Sample in Primary Sample Space
Arxiv
4+阅读 · 2018年5月10日
Arxiv
3+阅读 · 2018年3月5日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2019年9月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
相关论文
Top
微信扫码咨询专知VIP会员