Online Graph Exploration on a Restricted Graph Class: Optimal Solutions for Tadpole Graphs
我们研究无向图上的在线图探索问题，其中搜索者必须访问每个顶点并返回原点。一旦访问了一个新的顶点，该算法就会学习所有相邻顶点和连接边的权重。这样的探索的目标是最小化其总成本，其中每个边遍历引起相应的边权重的成本。我们研究了蝌蚪图（也称为龙，风筝）的问题，它由一个带有附加路径的循环组成。Miyazaki等人（The online graph exploration problem on restricted graphs，IEICE Transactions 92-D（9），2009）表明，这些图上的每个在线算法必须具有2- 1的竞争比，但没有提供非单位边权重的上限。我们表明，通过摊还分析，贪婪的方法产生一个匹配的竞争比为2的蝌蚪图，任意非负边权重。
2020-04-18 cs.DC cs.DS
Exploration of graphs with excluded minors
本文研究无子式图上的在线图探索问题，通过建立 Blocking 算法性能与轻量稀疏子图之间的联系，证明了常数竞争比，并改进有界亏格图的轻量性上界。
2023-08-13 cs.DM cs.DS
Randomization Helps in Online Graph Exploration: Breaking the Deterministic Lower Bound on Cycles
University of Oxford（牛津大学）；AIMS Rwanda（卢旺达非洲数学研究所）；Technische Universität Darmstadt（达姆施塔特工业大学）
研究在线图探索中随机化能否改善竞争保证，提出随机算法\textsc{RandHeavyTest}，证明其竞争比至多为1.315，与确定性设置分离，给出随机化首个可证优势，还给出相关算法的上下界。
2026-07-14 cs.DM cs.DS
Improved Online Algorithm for Weighted Flow Time
本文讨论了最基本的单机加工工件排序问题之一，目标是最小化加权流时间（加权响应时间）。我们的主要结果是一个$O(\log P)$竞争算法，其中$P$是最大到最小的处理时间比，改进后的$O(\log^{2}P)$竞争算法的Chekuri，Khanna和朱（STOC 2001）。我们还设计了一个$O(\log D)$ -竞争算法，其中$D$是作业的最大与最小密度比。最后，我们展示了如何将这些结果与Bansal和Dhamdhere（SODA 2003）的结果相结合，以实现$O(\log(\min(P,D,W)))$ -竞争算法（其中$W$是最大与最小的权重比），而无需事先知道$P,D,W$。正如Bansal和Chan（SODA 2009）所示，对于这个问题，没有常数竞争算法可以实现。
2018-08-16 cs.DS
Improved Competitive Ratio for Edge-Weighted Online Stochastic Matching
本文针对边权在线随机匹配问题提出 Evolving Suggested Matching（ESM）算法，将一般到达率情形下的竞争比从 0.645 提升至 0.650。
2023-11-30 cs.DS
Asynchronous Collective Tree Exploration: a Distributed Algorithm, and a new Lower Bound
本文研究异步分布式集体树探索问题，提出移动次数至多 $2n+O(k^2 2^kD)$ 的分布式异步算法及其变体，并给出竞争比 $Ω(\log^2 k)$ 的新下界，改进了此前结果。
2025-07-21 cs.DC cs.DS cs.MA
An Online Multi-unit Auction with Improved Competitive Ratio
针对以单一价格收益最大化为目标的在线多单元分配问题，我们改进了已知的最佳竞争比（从1/4到1/2）。此外，我们的算法的竞争比趋于1，因为投标概况趋于“平滑”。该算法被用作设计相同设置的真实拍卖的子程序：分配必须在网上完成，而付款可以在一天结束时决定。早些时候，从拍卖设计问题的分配问题的减少只知道单位需求的情况下。当投标人的边际效用递减时，我们给出了一般情况下的减少。这个问题的灵感来自赞助搜索拍卖。
2009-01-11 cs.CC cs.DM cs.DS
Improved Online Algorithm for Fractional Knapsack in the Random Order Model
分数背包问题是组合优化中的经典问题之一，在离线环境下得到了很好的理解。然而，到目前为止，相应的在线设置仅在理论计算机科学文献中被简要地处理，尽管它出现在几个应用中。即使是以前最有名的保证竞争比是最好的已知的流行的随机顺序模型中的积分问题。我们表明，有一个算法的在线分数背包问题，承认竞争比为4.39。我们的结果显着改善了以前最好的竞争比9.37，并超越了目前最好的6.65-竞争算法的积分的情况下。此外，我们的算法是确定性的对比随机算法实现上述结果。
2022-01-28 cs.DS
Simple Grid Polygon Online Exploration Revisited
本文重新审视简单网格单元环境的在线探索问题，指出已有文献中关于最优竞争策略上界7/6的缺陷，并提出了新的简化的一般下界13/11。
2024-07-24 cs.CG cs.DS
Select and Permute: An Improved Online Framework for Scheduling to Minimize Weighted Completion Time
在本文中，我们介绍了一个新的在线调度框架，以最小化总加权完成时间在一般设置。该框架受到Hall等人[Mathematics of Operations Research，1997年，第22卷，第3期，第513-544页]和Garg等人[Proc. of Foundations of Software Technology and Theoretical计算机科学，第11 - 12页]工作的启发。96-107，2007]，他们展示了如何将离线近似转换为在线方案。我们的框架使用了两个离线近似算法（一个简单的问题，没有释放时间的调度，另一个最小计划外的重量问题），以创建一个在线算法，可证明良好的竞争力的比率。我们说明了这种方法的多个应用程序，提高竞争力的比率。我们的框架给出了最好的或唯一已知的竞争比的并发开放商店，coflow，并发集群模型的算法。我们还介绍了一个随机变量的框架的基础上的想法Chakrabarti等。[Proc。646-657，1996]并使用它来实现这些相同问题的改进的竞争比。
2017-04-21 cs.DS
Improved Learning-Augmented Algorithms for the Multi-Option Ski Rental Problem via Best-Possible Competitive Analysis
Yonsei University（延世大学）
在本文中，我们提出了改进的学习增强算法的多选项滑雪租赁问题。学习增强算法将ML预测作为输入的附加部分，并将这些预测纳入解决给定问题。由于其独特的优势，将ML预测的力量与严格的性能保证相结合，它们在在线优化问题的背景下得到了广泛的研究。尽管滑雪板租赁问题是在线优化领域的典型问题之一，但以前只有确定性算法被用于多选项滑雪板租赁，有或没有学习增强。我们提出了这个问题的第一个随机学习增强算法，超过了以前的性能保证确定性算法。我们的学习增强算法是基于一个新的，可证明的最佳可能的随机竞争算法的问题。我们的结果进一步补充了确定性和随机算法的下界，和计算实验评估我们的算法的性能改进。
2023-02-14 cs.DS cs.LG
Improved Competitive Analysis of Online Scheduling Deadline-Sensitive Jobs
我们考虑下面的调度问题。只有一台机器，作业将在线完成。每个作业j都是抢占式的，当它到达时，它的其他特征立即显示给机器：截止日期要求，工作负载和价值。目标是最大化在截止日期前完成的工作的总价值。在[Lucier et al.，SPAA'13; Azar等人，EC'15]，获得2+f（s）的竞争比，其中大O符号f（s）= \mathcal{O}（\frac{1}{(\sqrt[3]{s}-1)^{2}}）和（2+f（s*b））/b，其中b=ω*（1-ω），ω在（0，1）中，并且s不小于1/b。在本文中，没有求助于在上述工作中使用的对偶拟合技术，我们提出了一个更简单，更直观的分析框架的两个算法，提高竞争比的第一个算法1，因此提高竞争比的第二个算法1/b。如[Lucier等人，SPAA'13; Azar等人EC'15]，在像用于云计算的在线批处理的场景中，松弛度s大是合理的，因此可以忽略上述竞争比率中的大O符号。在此假设下，我们的分析带来了非常显着的改善，这两个算法的竞争比：从2到1，从2/b到1/b分别。
2015-09-11 cs.DS
Improved Randomized Online Scheduling of Intervals and Jobs
我们研究了在线抢占调度的时间间隔和工作（重新启动）。每个间隔或作业都有一个到达时间、截止日期、长度和权重。目标是最大化已完成的区间或作业的总权重。虽然时间间隔的确定性情况很久以前就已经解决了，但随机化情况仍然没有解决。本文首先给出了等长区间情形的2-竞争随机算法。该算法几乎不是随机的，因为它在开始时随机选择两个确定性算法，然后坚持使用它。然后，我们将算法扩展到其他几种情况下的间隔调度，包括单调的情况下，C-仁慈的情况下，D-仁慈的情况下，给出相同的竞争比。这些算法是令人惊讶的简单，但对所有以前的（完全或勉强）随机算法的最佳竞争比。接下来，我们扩展的想法，给一个3-竞争算法的等长工件。最后，我们证明了一个下界2的竞争比的所有勉强随机算法，选择两个确定性算法调度等长的时间间隔（因此工作）。
2012-04-13 cs.DS
Improved Online Load Balancing in the Two-Norm
Max Planck Institute for Informatics（马克斯·普朗克计算机科学研究所）；Centrum Wiskunde & Informatica（荷兰数学与计算机科学研究学会）
本文针对无关机器上的在线负载均衡问题，提出首个突破竞争比5的算法，达到4.9843，并通过新的原始-对偶框架统一证明了多个相关算法的最优性。
2026-10-21 cs.DS
Breaking the k/log k Barrier in Collective Tree Exploration via Tree-Mining
本文针对集体树探索问题提出了首个竞争开销线性于树深度D的算法，将竞争比从O(k/ln k)改进为O(k/exp(√(ln2 ln k)))，打破了二十年来的k/log k障碍，并通过新提出的树挖掘博弈框架分析局部贪心算法。
2023-10-30 cs.DS cs.MA
Online matching and market imbalance
该研究将供需失衡引入二部图随机奖励在线匹配，定义失衡参数并证明失衡时对抗性和随机性到达的竞争比更高（延迟算法最优），还分析其现实意义并实证验证。
2025-02-11 cs.DS math.OC
Improved Bounds for Scheduling Flows under Endpoint Capacity Constraints
研究了节点容量约束下的流调度问题。我们被赋予能力限制节点和一个在线作业序列，每个作业都有一个释放时间和一个在两个节点之间路由的需求。调度指定了每个步骤中路由哪些作业，保证任何步骤中节点上的总需求最多是其容量。在这种情况下，一个关键的度量标准是响应时间：作业的发布和完成之间的时间。先前的工作表明，没有未增强的算法在平均响应时间方面具有竞争力，并且在增强超过2的情况下可以实现恒定的因子竞争比（Dinitz-Moseley Infocom 2020）。对于最大响应时间，最知名的结果是具有增强4的2-竞争算法（Jahanjou等人SPAA 2020）。我们在各种响应时间目标下改进了这些界限。我们发现，没有资源增加，最大响应时间的最佳竞争比是$Ω(n)$，其中$n$是节点的数量。我们的比例分配算法使用$(1+\varepsilon)$资源增加，以实现$(1/\varepsilon)$的竞争比，在设置与一般的需求和能力，可拆分的工作。我们的批分解算法是$2$ -竞争性的（分别是，最佳的）用于使用资源增加2的最大响应时间（分别地，4)在单位需求和能力，以及不可分割的工作设置。我们还推导出的平均和最大响应时间指标的同时近似的界限。
2021-11-16 cs.DS
Improved Bounds for Fractional Online Matching Problems
自Karp，Vazirani和Vazirani（STOC 1990）的开创性工作以来，单边到达的在线二分匹配及其变体已被广泛研究。受现实生活中的应用与动态的市场结构，如乘车共享，两个推广的经典单边到达模型，提出了允许非二部图，并允许所有顶点到达在线。也就是说，Wang和Wong（ICALP 2015）介绍了一般顶点到达的在线匹配，Huang等人（JACM 2020）介绍了完全在线匹配。在本文中，我们研究了这两个模型的分数版本。我们改进了两个模型的四个最先进的上限和下限中的三个。对于完全在线匹配，我们设计了一个$0.6$ -竞争算法，并证明了没有任何算法是$0.613$ -竞争的.对于一般顶点到达的在线匹配，我们证明了没有算法可以是$0.584$ -竞争的。此外，我们给出了一个可以说是更直观的算法一般的顶点到达模型，相比，王和黄的算法，而达到相同的竞争比的$0.526$。
2022-02-08 cs.DS
Setting Targets is All You Need:Improved Order Competitive Ratio for Online Selection
针对在线单选场景中随机算法序竞争比的开放问题，提出目标值算法族，分别得到确定性最优1/φ和随机0.732的序竞争比，并给出对应上界。
2024-06-21 cs.DS cs.GT
Leveraging Reusability: Improved Competitive Ratio of Greedy for Reusable Resources
研究可重用资源的在线加权二分匹配问题，通过引入量化资源可重用程度的参数p，证明贪心策略的竞争比提升至1/(2-p)，几何分布下达到紧的(1+p)/2，揭示了资源可重用性对在线算法性能的提升作用。
2023-04-06 cs.DS
Improved Competitive Ratios for Online Bipartite Matching on Degree Bounded Graphs
本文针对 $(k,d)$-有界图上的在线二分匹配问题，提出改进的随机化算法，在对抗性模型下将竞争比提升至 $1-(1-1/d)^k+Ω(d^{-4}e^{-k/d})$，并证明随机模型下竞争比至少为 0.8237，同时给出 $b$-匹配问题的竞争比下界。
2023-12-02 cs.DS
Polylogarithmic Collective Tree Exploration
New York University（纽约大学）；Inria, Paris（法国国家信息与自动化研究所，巴黎）
研究异步集体树探索，提出确定性算法，以多对数级步数探索任意树，并实现同步场景下近似最优竞争比。
2026-09-23 cs.DS
Improved Algorithms for Online Rent Minimization Problem Under Unit-Size Jobs
针对在线租借最小化问题，本文提出一种基于预言机的在线算法框架，在单位规模作业假设下将竞争比从约15.16显著改进至6。
2023-06-29 cs.DS
An Improved Greedy Algorithm for Stochastic Online Scheduling on Unrelated Machines
大多数实际调度应用都涉及到工件到达时间和长度的不确定性。随机在线调度是一个完善的模型捕捉这一点。在这里，到达发生在线，而处理时间是随机的。对于这个模型，Gupta，Moseley，Uetz和Xie最近设计了一种有效的策略，用于不相关机器上的非抢占式调度，目标是最小化期望的总加权完成时间。我们巧妙地结合贪婪作业分配与$α_j$ -点调度在每台机器上改进了这一政策。通过这种方式，我们得到了一个$(3+\sqrt 5)(2+Δ)$ -竞争的确定性和$(8+4Δ)$ -竞争的随机在线调度策略，其中$Δ$是一个上界上的处理时间的变异系数的平方。我们也给这些政策的所有固定分配政策的类内的恒定性能保证。当已知$Δ$的上界或已知某些$δ\ge 1$的处理时间为$δ$-NBUE时，单机上的$α_j$ -点调度可以得到改进.这意味着提高竞争力的比率无关的机器，但也可能是独立的利益。
2022-12-18 cs.DS
New and Improved Bounds for Markov Paging
Stanford University（斯坦福大学）；Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
针对马尔可夫分页模型，通过改进Lund等人（FOCS 1994）的分析，证明主导分布算法相对于最优在线算法OPT的竞争比从4降至2，并给出1.5907的下界。
2026-05-24 cs.DS
Slaying Hydrae: Improved Bounds for Generalized k-Server in Uniform Metrics
广义$k$ -服务器问题是加权$k$ -服务器问题的扩展，加权$k$-服务器问题又是经典$k$ -服务器问题的扩展.在广义$k$ -服务器问题中，每个$k$服务器$s_1, \dots, s_k$保持在它自己的度量空间$M_i$中.一个请求是一个元组$(r_1,\dots,r_k)$，其中$r_i \in M_i$，并且为了服务它，算法需要将至少一个服务器$s_i$移动到点$r_i$。目标是最小化所有服务器的总行程。在本文中，我们集中在广义$k$ -服务器问题的情况下，所有的$M_i$是一致的度量。我们展示了一种$O(k^2 \cdot \log k)$竞争性随机算法，该算法优于Bansal等人[SODA 2018]的最新结果，后者给出了一种$O(k^3 \cdot \log k)$竞争性算法。为此，我们定义了一个抽象的在线问题，称为九头蛇游戏，我们表明，这个游戏的低成本的随机化解决方案意味着一个随机化算法的广义$k$ -服务器问题的竞争比低。我们还表明，没有随机算法可以实现竞争比低于$Ω(k)$，从而提高了Bansal等人的下限$Ω(k / \log^2 k)$。
2019-09-17 cs.DS
Graph Exploration with Edge Weight Estimates
研究边权估计存在扰动时的图探索问题，基于扰动因子α分析竞争比，证明一般图最优竞争比为α，受限图类为(1+α)/2并给出匹配下界。
2025-01-30 cs.DS
Improved Online Algorithms for Knapsack and GAP in the Random Order Model
背包问题是组合优化中的经典问题之一：给定一组物品，每个物品由其大小和利润指定，目标是找到一个最大利润的包装到一个有界容量的背包中。在在线设置中，项目是一个接一个地显示和决定，如果当前项目是包装或永远丢弃，必须立即和可追溯地完成后到达。研究了随机序模型中的在线变量，其中输入序列是项目集的均匀随机排列。我们为这个问题开发了一个随机（1/6.65）竞争算法，优于目前竞争比为1/8.06的最佳算法[Kesselheim et al. SIAM J. Comp. 47（5）]。我们的算法是基于两个新的见解：我们引入了一种新的算法方法，采用两个给定的算法，优化的限制项目类，依次输入序列。此外，我们还研究和探索了背包问题与2-秘书问题之间的关系。广义指派问题（GAP）除了背包问题外，还包括与调度和匹配相关的几个重要问题。我们表明，在相同的在线设置，应用建议的顺序方法产生（1/6.99）的竞争随机算法的GAP。同样，我们提出的算法优于竞争比1/8.06的当前最佳结果[Kesselheim et al. SIAM J. Comp. 47（5）]。
2020-12-01 cs.DS
Improved exploration of temporal graphs
Delft Institute of Applied Mathematics, TU Delft（代尔夫特应用数学研究所，代尔夫特理工大学）；Université Côte d’Azur, CNRS, Inria, I3S（蔚蓝海岸大学，法国国家科学研究中心，法国数字与信息技术研究学院，I3S）；Department of Computer Science, University of Oxford（牛津大学计算机系）；Mathematical Institute, University of Oxford（牛津大学数学研究所）
本文提出了一种改进的时间图探索算法，通过平均时间最大度的概念，给出了亚二次时间步数的上界，适用于连通图和具有有界平均度的图。
2026-10-20 cs.DS math.CO
A Robustified Greedy Algorithm for Online Transportation with Improved Competitive Guarantees
IIIT Delhi（德里信息技术研究所）；North Carolina State University（北卡罗来纳州立大学）
本文提出鲁棒化贪心算法解决在线运输问题，改进竞争比至6.6604k-2.89，保留度量敏感保证，并证明最近邻分配占成本近半，实验验证其优越性。
2026-10-01 cs.DS
Improved Online Correlated Selection
研究了在线相关选择问题。它由Fahrbach，Huang，Tao和Zadimoghoun（2020）引入，以获得第一个打破$0.5$障碍的边缘加权在线二分匹配算法。假设我们在每一轮中收到一对元素，并立即选择其中一个。负相关的选择是否比独立的随机选择更有效？我们的贡献是三方面的。对于半OCS，它认为一个元素出现在$k$轮后保持不变的概率，我们给出了一个最优算法，使所有$k$的概率最小化。它导致了$0.536$ -竞争性未加权和顶点加权在线二分匹配算法，该算法在每轮中仅对两个选项进行随机化，提高了Fahrbach等人的$0.508$ -竞争性比率。此外，我们开发了第一个多路半OCS，允许任意数量的元素与任意质量在每一轮。作为应用，它在未加权和顶点加权的在线二部匹配中对Balance算法进行了改进，并且是$0.593$ -竞争的。最后，我们研究了OCS，它进一步考虑了一个元素在任意轮子集中被删除的概率。我们证明了最佳的“负相关水平”在$0.167$和$0.25$之间，改进了Fahrbach等人（2020）先前的$0.109$和$1$的界限。我们的OCS给出了一种$0.519$ -竞争边加权在线二分匹配算法，改进了Fahrbach等人（2020）以前的$0.508$ -竞争比。
2021-12-16 cs.DS
Improved Algorithms and Lower Bounds for Parametrized Metrical Service Systems
School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息学院）
研究参数化度量服务系统，通过区间覆盖公式得到加权星上MSS的O(m)竞争算法，改进层次分离树上MSS的下界，还给出m = 2时一般度量上的O(1)竞争算法及m≥3时的不可能性结论。
2026-07-09 cs.DS
Think Eternally: Improved Algorithms for the Temp Secretary Problem and Extensions
\emph{Temp Secretary Problem}是Fiat等人最近提出的，它是秘书问题的一个推广，其中承诺是固定期限的临时承诺。我们提出了一个简单的在线算法，具有改进的性能保证的情况下，已经考虑了菲亚特等人。并给出了新的推广问题的竞争比。在经典的设置中，候选人有相同的合同期限$γ\ll 1$，我们被允许同时雇用$B$候选人，我们的算法是$(\frac{1}{2} - O(\sqrtγ))$ -竞争。对于大的$B$，界限提高到$1 - O\left(\frac{1}{\sqrt{B}}\right) - O(\sqrtγ)$。此外，我们推广的问题，从基数约束一般包装约束。我们实现了一个竞争比$1 - O\left(\sqrt{\frac{(1+\log d + \log B)}{B}}\right) -O(\sqrtγ)$，其中$d$是稀疏的约束矩阵和$B$被推广到线性约束的容量比。此外，我们将问题扩展到任意的招聘期限。我们的算法方法是一个松弛，聚合成一个非时间约束的所有时间约束。然后，我们应用线性缩放算法，在每次到达时，计算到目前为止已知的输入的试探性解决方案。这种尝试性的解决方案使用了非时间性的、放松的约束，这些约束被已经过去的时间量线性地缩小。
2016-06-22 cs.DS
New Competitive Semi-online Scheduling Algorithms for Small Number of Identical Machines
在过去的二十年里，设计和分析具有少量相同机器的多处理器调度问题的常数竞争确定性半在线算法已经引起了人们的极大兴趣。在最小化完工时间的半在线排序问题中，给定一系列独立的工件，在工件到达时，每个工件必须被分配到一台事先知道工件的额外信息的机器上。研究者们通过考虑一个或多个EPI设计了具有恒定竞争比的半在线调度算法的多种变体。在本文中，我们提出了四个新的变种的竞争确定性半在线算法的数量较少的相同的机器，考虑两个EPI，如Decr和求和。我们得到改进的上界和下界的竞争比我们提出的算法，这是在文献中最知名的结果。在两台全同机器上，在已知和的情况下，通过考虑一系列相同大小的工件，我们证明了竞争比的紧界为1.33。在相同的设置中，我们实现了下限为1.04和上限为1.16，通过考虑总和和一系列的工作，以减少大小的顺序到达。对于三个相同的机器设置与已知的Decr和总和，我们显示了竞争比的下限为1.11。在这种设置中，我们得到了一个上限为1.5的调度序列的大小相等的工作，并实现了上限为1.2，通过考虑一个序列的大小递减的工作。进一步，我们开发了一个改进的竞争算法的竞争比的上限为1.11。
2021-06-08 cs.DS
An Improved Analysis of Greedy for Online Steiner Forest
本文考虑经典的在线Steiner森林问题，其中一个是给定的（加权）图$G$和任意一组$k$终端对$\{\{s_1,t_1\},\ldots ,\{s_k,t_k\}\}$，需要连接。我们的目标是维护一个最小权重的子图，满足所有的连接要求，因为对是一个接一个地显示。它已经知道了很长一段时间，没有算法（即使是随机）可以比$Ω(\log(k))$ -竞争这个问题。有趣的是，一个简单的贪心算法对这个问题已经非常有效了。该算法可以非正式地描述如下：在新的对$\{s_i,t_i\}$到达时，用当前度量中的最短路径连接$s_i$和$t_i$，沿着所选路径收缩度量并等待下一对。尽管简单且直观，但贪婪证明了其分析的挑战性，其竞争比是在线算法领域长期存在的开放问题。关于这个问题的最后一个进展是由于Awerbuch、Azar和Bartal [SODA~1996]的一个优雅的分析，他们表明贪婪是$O(\log^2(k))$ -竞争的。我们的主要结果是表明，贪婪实际上是$O(\log(k)\log\log(k))$ -竞争的情况下，广泛的一类。特别是，这类广泛的实例包含了迄今为止在文献中展示的所有实例。
2021-11-19 cs.DS
An Improved Algorithm for Open Online Dial-a-Ride
我们认为开放的在线拨号乘车问题，运输请求出现在一个度量空间在线，需要由一个单一的服务器。目标是尽量缩短完成时间，直到所有请求都得到处理。我们提出了一个新的，参数化的算法，并证明了它达到竞争比$1 + φ\approx 2.618$的一些选择其参数，其中$φ$是黄金比例。这改进了一般度量空间以及实数线的开放在线拨号的最佳已知界限。我们还给出了一个下界~ $2.457$的竞争比，我们的算法的任何参数的选择。
2022-10-25 cs.DM cs.DS
An Improved Subquadratic Bound for Online Bisection
Institute of Computer Science, University of Wrocław（弗罗茨瓦夫大学计算机科学研究所）；TU Berlin and Weizenbaum Institute（柏林工业大学和魏岑鲍姆研究所）
本文针对无资源增强的任意请求序列在线对分问题，提出首个突破二次障碍的随机在线算法，将竞争比改进为Õ(n^{11/6})。
2026-08-28 cs.DS
Improved Online Scheduling of Moldable Task Graphs under Common Speedup Models
针对可塑任务图的在线调度，提出新算法并在 roofline、communication、Amdahl 及一般组合加速模型下获得改进的常数竞争比，同时给出匹配或接近的下界。
2023-04-27 cs.DC cs.DS
Improved Bounds for Online Preemptive Matching
在设计最大匹配问题的抢占式在线算法时，我们希望保持有效的匹配M，而底层图的边一个接一个地呈现。当出现边e时，算法应该决定是否通过添加e来增加匹配M（在这种情况下，e可以稍后被删除），或者保持M的当前形式而不添加e（在这种情况下，e永远丢失）。目标是最终保持具有最大权重的匹配M。本文的主要贡献是建立新的下限和上限的竞争比可实现的抢占式在线算法：1。对于最大基数匹配问题，我们提供了任何随机算法的竞争比的下界1+ln 2~1.693，从而改进了Karp，Vazirani和Vazirani [STOC'90]的当前最佳已知界e/（e-1）~1.581。2.我们设计了一个随机算法，达到预期的竞争比为5.356的最大权重匹配。这一发现证明了随机化在这种情况下的力量，展示了如何打破确定性算法的3 + 2 \sqrt{2} ~5.828的紧界，该紧界是通过结合McGregor [APPROX'05]的5.828上限和最近的5.828下限获得的Varadaraja [ICALP'11]。
2012-07-07 cs.DM cs.DS
