×

比较在线学习算法和随机方法对多周期报童问题的影响。 (英语) Zbl 1428.68248号

Munro,J.Ian(编辑)等人,《第十届算法工程与实验研讨会论文集》(ALENEX 08),美国加利福尼亚州旧金山,2008年1月19日。应用数学学报129。宾夕法尼亚州费城:工业和应用数学学会(SIAM)。49-63(2008年)。
摘要:多期报童问题描述了报业推销员的困境——当他不知道需求时,每天应该购买多少报纸转售?我们基于两种机器学习算法为这个众所周知的问题开发了方法:加权多数N.小石头M.K.Warmuth先生【Inf.Compute.108,No.2,212–261(1994;Zbl 0804.68121号)]并追随心烦意乱的领导A.卡莱圣万帕拉《计算系统科学杂志》第71卷第3期,第291–307页(2005年;Zbl 1094.68112号)]. 通过一些修改后的分析,不难显示这些算法的修改版本的理论界限。更重要的是,我们在各种模拟条件下测试算法,并将结果与传统随机方法给出的结果进行比较,传统随机方法假设的需求信息比通常已知的更多。我们的测试表明,与随机方法相比,这种在线学习算法可以表现得很好,即使随机方法得到了完美的信息。
关于整个系列,请参见[Zbl 1280.68033号].

MSC公司:

68T05型 人工智能中的学习和自适应系统
68T20型 人工智能背景下的问题解决(启发式、搜索策略等)
68周27 在线算法;流式算法
PDF格式BibTeX公司 XML格式引用
全文: 内政部