Suppose that a set of mobile agents, each with a predefined maximum speed, want to patrol a fence together so as to minimize the longest time interval during which a point on the fence is left unvisited. In 2011, Czyzowicz, G\k{a}sieniec, Kosowski and Kranakis studied this problem for the settings where the fence is an interval (a line segment) and a circle, and conjectured that the following simple strategies are always optimal: for Interval Patrolling, the simple strategy partitions the fence into subintervals, one for each agent, and lets each agent move back and forth in the assigned subinterval with its maximum speed; for Circle Patrolling, the simple strategy is to choose a number r, place the r fastest agents equidistantly around the circle, and move them at the speed of the rth agent. Surprisingly, these conjectures were then proved false: schedules were found (for some settings of maximum speeds) that slightly outperform the simple strategies. In this paper, we are interested in the ratio between the performances of optimal schedules and simple strategies. For the two problems, we construct schedules that are 4/3 times (for Interval Patrolling) and 21/20 times (for Circle Patrolling) as good, respectively, as the simple strategies. We also propose a new variant, in which we want to patrol a single point under the constraint that each agent can only visit the point some predefined time after its previous visit. We obtain some similar ratio bounds and NP-hardness results related to this problem.


翻译:假设一组移动剂, 每一个都有预先定义的最大速度, 都想一起巡逻一个围栏, 以便最大限度地减少栅栏上一个点未访问的最长时间间隔。 2011年, Czyzowicz, G\k{a}sieniec, Kosowski 和 Kranakis 在栅栏是一个间隔( 一条线段) 和圆圈的设置中研究了这个问题, 并推测以下简单策略总是最理想的: 对于跨线巡逻, 简单策略将栅栏分割成一个次对接点, 每个代理人一个, 让每个代理人在指定的交界次中以最大速度来回回移动; 对于环形巡逻, 简单的策略是选择一个数字 r, 将最快的代理器放在圆圈周围, 并移动它们到圆圈前的速度 。 令人惊讶的是, 这些猜想被证明是最完美的策略: 找到时间表( 某些最短速度的设置) 略高于简单策略。 在本文中, 我们感兴趣的是一次在每次最佳的交际行程中选择一个比重的时间段 。 。

0
下载
关闭预览

相关内容

专知会员服务
16+阅读 · 2020年12月4日
专知会员服务
44+阅读 · 2020年10月31日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26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
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
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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 · 2021年3月15日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
Arxiv
14+阅读 · 2019年9月11日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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