arXiv cs.LG· Zhaohua Chen·· 6 小时前AI 评分12
内生 Markov 状态下的在线资源分配：更少 LP 求解反而收益更高
Online Resource Allocation with an Endogenous Markov State: Fewer LP Solves Earn More
AI 导读
研究带内生 Markov 状态的有限时域在线资源分配问题，其中每个动作会影响决定未来奖励与资源消耗的状态转移。在已知请求先验下，频繁与不频繁重求解均可达到 O(1) 遗憾，但在退化最优解下频繁重求解可能产生 Ω(T) 遗憾，即优化越频繁渐近表现越差。
来源：arXiv cs.LG · arxiv.org