Online Makespan Minimization: Beat LPT by Dynamic Locking
Shanghai Jiao Tong University(上海交通大学)
本文提出动态锁定技术,推广SLEEPY算法,在在线调度中打破LPT的1.5竞争比障碍,实现1.5-1/O(m^2)的改进,适用于任意常数m。
2025-10-10 cs.DS
Approximation results for makespan minimization with budgeted uncertainty
研究工件加工时间不确定的机器集上最小化完工时间问题的近似算法。在我们考虑的模型中,它可以追溯到~ \cite{BertsimasS03},一旦定义了调度,对手就可以选择一种情况,在这种情况下,偏差被添加到一些作业的处理时间。仅给定这些作业的最大基数以及每个作业的潜在偏差的大小,目标是优化最坏情况。我们考虑的情况下,相同的和不相关的机器。我们的主要结果是相同机器情况下的EPTAS。我们还提供了一个$3$ -近似算法和$2-ε$的不相关机器的情况下的不可逼近比
2019-05-21 cs.DM cs.DS
ETH-Tight FPT Algorithm for Makespan Minimization on Uniform Machines
针对均匀机器上的 makespan 最小化,论文结合整数规划与模算术给出 $p_{\max}^{O(d)}n^{O(1)}$ 的 ETH 紧 FPT 算法,并支持高重数编码。
2025-01-08 cs.DS
On the Value of Job Migration in Online Makespan Minimization
最小化相同并行机的最大完工时间是一个经典的调度问题。我们认为,在线的情况下,一系列的$n$工作必须被安排在$m$机器上的非抢占式,以尽量减少任何工作的最大完成时间。通过确定性在线算法可以实现的最佳竞争比在范围$[1.88,1.9201]$内。目前没有一个随机化的在线算法具有较小的竞争力是已知的,一般$m$。在本文中,我们探讨了就业迁移的力量,即允许在线调度器执行有限数量的作业重调度。迁移是并行处理环境中理论和实践上用于平衡负载的常用技术。作为我们的主要结果,我们解决了确定性在线算法可以实现的性能。我们开发了一个算法,是$α_m$竞争,任何$m\geq 2$,其中$α_m$是一个特定的方程的解决方案。对于PDMATHAMR、$α_2 = 4/3$和$\lim_{m\rightarrow \infty} α_m = W_{-1}(-1/e^2)/(1+ W_{-1}(-1/e^2)) \approx 1.4659$。这里$W_{-1}$是Lambert $W$函数的下分支。对于$m\geq 11$,算法最多使用$7m$迁移操作。对于较小的$m$,可以执行$8m$到$10m$操作。我们补充这一结果的匹配下限:没有在线算法,使用$o(n)$作业迁移可以实现比$α_m$的竞争比小。我们最终以性能换取迁移。我们给出了一个家庭的算法,是$c$ -竞争,任何$5/3\leq c \leq 2$。对…
2012-03-08 cs.DS
Minimizing Makespan in Sublinear Time via Weighted Random Sampling
University of Texas Rio Grande Valley(德克萨斯大学里奥格兰德河谷分校);College of Staten Island, CUNY(纽约市立学院石岛分校);Purdue University Northwest(普渡大学西北分校)
本文提出两种基于加权随机采样的子线性时间算法,用于在未知或已知作业数情况下近似最小化作业跨度。
2026-02-03 cs.DS
Online Scheduling with Makespan Minimization: State of the Art Results, Research Challenges and Open Problems
自Graham的开创性工作以来,在线调度在过去的五十年中一直是一个备受关注和具有挑战性的研究问题,在各种应用中具有巨大的实际意义,例如交互式并行处理,通信网络中的路由,分布式数据管理,客户端-服务器通信,交通运输,工业制造和生产中的交通管理。在这个问题中,一个序列的工作被接收一个接一个的顺序,由调度器调度的机器数量。作业到达时,调度器在下一个作业可用之前将该作业分配给机器,目标是最小化已调度作业的完成时间。本文重点介绍了在线调度的一系列独立的工作在相同的和统一的相关机器的优先和非优先处理格式考虑最大完工时间最小化的最优性标准的最新贡献。我们从初学者的角度提出了在线调度的基本方面,以及一般调度框架的背景。著名的确定性和随机在线调度算法在文献中获得的重要竞争力的分析结果,以及研究的挑战和开放的问题。讨论了最近出现的两个趋势,例如资源增加和半在线调度,作为未来研究工作的动力。
2020-01-14 cs.DS cs.OS
Santa Claus meets Makespan and Matroids: Algorithms and Reductions
本文建立 makespan 最小化与 Santa Claus 公平分配之间的形式化归约,证明两值情形等价,并提出拟阵推广及其局部搜索算法。
2023-07-17 cs.DS
Graph Balancing with Two Edge Types
在图平衡问题中,目标是定向一个加权无向图,以最小化最大加权入度。这种特殊情况下的最大完工时间最小化是NP-难的近似因子优于3/2,即使只有两种类型的边缘权重。在本文中,我们描述了一个简单的3/2近似图平衡问题的两个边缘类型,解决这个非常特殊的情况下,最大完工时间最小化。
2016-09-11 cs.DS
Stochastic Load Balancing on Unrelated Machines
本文研究了工件尺寸随机时不相关机器的最小完工时间问题。目标是找到一个固定的分配工作的机器,以最小化的期望值的最大负载在所有的机器。对于所有机器上工件大小相同的同机种特殊情况,常因子近似算法早已为人们所知。我们的主要结果是第一个常数因子近似算法的一般情况下,不相关的机器。这是通过以下方式实现的:(i)使用可有效计算的指数大小的线性规划来制定下限,以及(ii)在仅满足仍然足以约束预期完工时间的约束的特定子集的情况下舍入该线性规划。我们还考虑两个概括。第一个是预算最大完工时间最小化问题,目标是在调度目标数量(或奖励)的工件的情况下,最小化预期的最大完工时间。我们推广了我们的主要结果,得到了这个问题的一个常数因子的近似算法。第二个问题涉及$q$范数目标,我们希望最小化机器负载的期望q范数。这里我们给出了一个$O(q/\log q)$ -近似算法,它是对任何固定的$q$的常数因子近似。
2019-04-15 cs.DS
Makespan Minimization with OR-Precedence Constraints
我们考虑一个变种的NP-难问题的机器分配工作,以尽量减少最后一个工作的完成时间。通常,优先约束是由作业集合上的偏序给出的,每个作业都要求所有的前置作业在开始之前完成。在他的开创性论文中,Graham(1966)提出了一个简单的2-近似算法,40多年后,Svensson(2010)证明了2本质上是人们通常可以期望的最佳近似比。在本文中,我们考虑了一种不同类型的优先关系,还没有被广泛讨论,被称为或优先。为了启动一个作业,我们要求至少完成一个它的前置任务--与所有前置任务相反。此外,我们假设每个作业都有一个发布日期,在此日期之前,它不能开始。我们证明,格雷厄姆的算法有一个近似保证2也在这种情况下,并提出了一个多项式时间算法,解决了这个问题的最优性,如果允许抢占。后一个结果与经典的优先约束相反,Ullman(1975)证明了抢占式变体已经是NP难的。我们的算法推广了Johannes(2005)的一个结果,Johannes给出了一个多项式时间的算法,用于处理具有OR优先约束的单位加工时间工件,但没有发布日期。这里给出的性能保证与经典优先约束和OR优先约束重合的特殊情况下的最佳性能保证相匹配。
2020-03-06 cs.DM cs.DS
New Support Size Bounds for Integer Programming, Applied to Makespan Minimization on Uniformly Related Machines
针对整数规划,通过分析列最大1-范数替代最大系数,改进了支撑集大小上界并证明渐近最优,从而为均匀相关机器调度问题提供了最快的EPTAS。
2023-05-15 cs.DM cs.DS
Generalized Load Balancing and Clustering Problems with Norm Minimization
在许多基本的组合优化问题中,一个可行解会导致一些真实的代价向量作为中间结果,而优化目标是这些代价向量的某个函数。例如,在不相关的并行机器上的最大完工时间最小化问题中,一个可行的作业分配诱导出一个包含每台机器的分配作业的大小的向量,目标是最小化向量的$L_1$范数的$L_\infty$范数。另一个例子是容错$k$ -中心,其中每个客户端连接到多个开放设施,因此具有到这些设施的距离的向量,并且目标是最小化这些向量的$L_\infty$范数的$L_\infty$范数。本文研究了模的最大值问题。给定一个任意对称单调范数$f$,目标被定义为诱导成本向量的$f$ -范数值的最大值($L_\infty$范数)。这个通用的公式捕捉了各种各样的问题,包括最大完工时间最小化,容错$k$ -中心和许多其他的。我们给出了具体的结果负载均衡无关的并行机和集群问题,包括常数因子近似算法时,$f$属于一定的丰富的家庭规范,和$O(\log n)$ -近似时,$f$是一般的,并满足一些温和的假设。我们还考虑了上述问题中的广义公平设置。作为一个具体的例子,洞察力是防止调度算法在作业循环场景中在任何机器上一致地分配太多作业,并导致机器的控制器失败。我们的算法需要随机输出一个最小化目标函数的可行解,并满足给定的边际公平性约束。
2021-02-22 cs.DS
Scheduling Kernels via Configuration LP
最小化最大跨度(并行相同或不相关的机器)可以说是最自然和研究调度问题。在实际的算法设计中,一种常见的方法是通过快速预处理步骤来减小给定实例的大小,同时即使在这种减小之后也能够恢复关键信息。这个概念被正式研究为核化(或简单地说,内核)-一个多项式时间的过程,产生一个等效的实例,其大小是有界的一些给定的参数。它遵循从已知的结果,最大完工时间最小化参数的最长的作业处理时间$p_{\max}$有一个核化产生一个减少的实例,其大小是指数的$p_{\max}$。在$p_{\max}$中,这可以简化为多项式吗?我们肯定地回答这一问题,不仅为最大完工时间最小化,而且为(更复杂的)目标,最小化的加权和的完成时间,也在设置无关的机器时,机器种类的数量是一个参数。我们的算法首先解决配置LP和基于其解决方案构造一个中间问题,称为巨大的$N$倍整数规划的解决方案。通过一系列步骤进一步减小该解决方案的大小,直到其编码长度在参数中是多项式。然后,我们表明,巨大的$N$倍IP是在NP,这意味着有一个多项式减少回到我们的调度问题,产生一个内核。我们的技术是非常新颖的内核化的背景下,我们的结构定理的配置LP是独立的利益。此外,我们显示了一个多项式核巨大的$N$倍IP的条件下,所谓的分离子问题是否可以解决在多项式时间。考虑到整数规划不承认多项式内核,除了非常有限的情况下,我们的“条件内核”提供了新的见解。
2020-03-04 cs.DS
Scheduling Problems with Constrained Rejections
Department of EECS, UC Berkeley(加州大学伯克利分校电气工程和计算机科学系);RelationalAI(关系人工智能公司);Simons Institute for the Theory of Computing, and Departments of EECS and Mathematics, UC Berkeley(加州大学伯克利分校西蒙斯计算理论研究所及电气工程和计算机科学系、数学系)
研究不相关机器调度与 Santa Claus 问题的双准则版本,允许约束拒绝,改进了调度比率并首次给出 Santa Claus 问题的 NP 硬度证明。
2025-10-31 cs.CC cs.DS
Optimization and Reoptimization in Scheduling Problems
并行机调度在过去的几十年中得到了广泛的研究,其应用范围从生产计划到大型计算集群中的作业处理。在这项工作中,我们研究这些基本的优化问题,以及它们的参数化和重新优化的变种。首先,我们提出了改进的界限不相关的并行机上的作业调度,最小化的最新完成时间(完工时间)的时间表的目标。我们考虑的子类完全可行的情况下,其中的每个工作,在任何机器上的处理时间,不超过最小完工时间。已知该问题在该子类中已经很难在因子4/3内近似。虽然完全可行的实例是很难确定的,我们给出了一个多项式时间算法,产生这样的情况下的时间表的最大完工时间是优于两倍的最佳,最好的已知比例一般情况下。此外,我们表明,我们的结果是强大的小违反可行性约束。我们进一步研究参数化的力量。我们表明,不相关的机器上的最大完工时间最小化承认一个参数化的近似方案,其中使用的参数是处理时间的数量是大的相对于最新的完成时间的时间表。我们还提出了一个FPT算法的图平衡问题,这对应于限制分配问题的情况下,每个工作可以处理最多2台机器。最后,从实际应用出发,以最小化最大完工时间为目标,对同类机上的工件调度问题进行了再优化研究。我们开发的再近似算法,在这两个模型中产生的最佳逼近比$(1+ε)$,任何$ε>0$,相对于最小完工时间。
2015-09-04 cs.DS
A k-swap Local Search for Makespan Scheduling
针对同构并行机最小化 makespan 的调度问题,研究广义 $k$-swap 局部搜索邻域,给出更快的改进邻居搜索算法及近匹配下界,并分析收敛步数与实验表现。
2025-05-13 cs.DS
Network Coding Gaps for Completion Times of Multiple Unicasts
我们研究了网络编码间隙以解决多个单播的最大完工时间最小化问题。在这个问题中,网络中不同节点上的不同数据包需要尽可能快地传递到每个数据包特定的目的地。网络编码间隙指定了与更自然的路由方法相比,网络中编码数据包可以帮助多少。虽然使用路由的最大完工时间最小化已被深入研究的多个单播问题,网络编码间隙,这个问题是已知的没有界限。我们开发了新的技术,使我们能够上限的网络编码间隙的$k$单播的最大完工时间,证明这个差距是最多的polylogarithmic在$k$。补充这一结果,我们发现存在的情况下,$k$单播的编码间隙是多对数的$k$。我们的研究结果也适用于平均完成时间,更一般地说,任何$\ell_p$规范的完成时间。
2020-04-29 cs.DS cs.IT cs.NI
Learning-Augmented Approximation for Unrelated-Machines Makespan Scheduling
The University of Tokyo(东京大学);Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心);LIP6(LIP6实验室);F-75005 Paris, France(法国巴黎F-75005)
针对无关联机器调度问题,提出学习增强算法,利用重作业分配预测实现精确预测时(1+ε)-近似,误差增大时退化为2-近似。
2026-11-05 cs.DS cs.LG
Smoothed Analysis of the k-Swap Neighborhood for Makespan Scheduling
针对相同并行机完工时间最小化调度问题,研究k-交换局部搜索邻域,通过平滑分析证明其收敛到局部最优的平滑迭代次数上界为O(m²·n^(2k+2)·log m·ϕ),弥合理论最坏情况与实际性能的差距。
2024-11-26 cs.DS
Generalized Unrelated Machine Scheduling Problem
我们研究了广义负载平衡(GLB)问题,在这里,我们给$n$工作,其中每一个需要被分配到一个$m$不相关的机器与处理时间$\{p_{ij}\}$。在作业分配$σ$下,每个机器的负载$i$是$ψ_i(\mathbf{p}_{i}[σ])$,其中$ψ_i:\mathbb{R}^n\rightarrow\mathbb{R}_{\geq0}$是对称单调范数,$\mathbf{p}_{i}[σ]$是$n$维向量$\{p_{ij}\cdot \mathbf{1}[σ(j)=i]\}_{j\in [n]}$ .我们的目标是最小化广义完工时间$ϕ(\mathsf{load}(σ))$,其中$ϕ:\mathbb{R}^m\rightarrow\mathbb{R}_{\geq0}$是另一个对称单调范数,$\mathsf{load}(σ)$是$m$维机器负载向量.该问题显著地推广了许多经典优化问题,例如,最大完工时间最小化,集覆盖,最小范数负载平衡等,我们得到了一个多项式时间的随机算法,实现了一个近似因子$O(\log n)$,匹配的集合覆盖的下界常数因子。我们实现这一点,通过四舍五入一个新的配置LP松弛指数的变量。为了近似求解配置LP,我们为其对偶程序设计了一个近似分离预言机。特别是,分离预言可以减少到范数最小化与线性约束(NormLin)的问题,我们设计了一个多项式时间近似方案(PTAS),这可能是独…
2022-02-13 cs.DS
Online Bin Covering with Limited Migration
在过去的几年里,人们广泛研究了可以以有限的方式撤销决策的半在线模型。这是因为纯在线模型通常对现实世界的应用程序建模限制太多,而现实世界的应用程序可能允许一些更改。一个被广泛研究的可以被撤销的决策量的度量是迁移因子$β$:当大小为$s(o)$的对象$o$到达时,总大小最多为$β\cdot s(o)$的对象的决策可以被撤销。通常,$β$应为常量。这意味着一个小的对象只会导致小的变化。这种措施已成功地研究了不同的,经典的问题,如装箱或最大完工时间最小化。对偶的最大完工时间最小化-圣诞老人或机器覆盖问题-也进行了研究,而对偶的装箱-箱覆盖问题-还没有从这样的角度来看。在这项工作中,我们广泛地研究了在不同的情况下迁移的bin覆盖问题。我们开发的算法都是静态的情况下-只允许插入-和动态的情况下,项目也可能离开。我们还开发了这些情况下的下限摊销迁移和最坏情况下的迁移表明,我们的算法具有接近最佳的迁移因子和渐近竞争比(任意小$\eps$)。因此,我们解决了竞争力的垃圾箱覆盖问题与移民。
2019-04-13 cs.DS
EPTAS for load balancing problem on parallel machines with a non-renewable resource
所考虑的问题是消耗资源(这是不可再生的,定期补充)的平行一致相关的机器上的独立作业的非抢占式调度。输入定义机器的速度、作业的大小、作业所需的资源数量、补充的数量和资源的补充日期。每个作业只有在所需数量的资源分配给该作业后才能开始处理。目标函数是最大完工时间和目标的凸组合的最小化,该目标等价于机器负载向量的$l_p$ -范数。我们提出了一个EPTAS这个问题。在此之前,我们的工作只有一个PTAS是已知的,在这种不可再生资源的设置,这PTAS是唯一的特殊情况下,我们的问题的完工时间最小化相同的机器。
2021-08-09 cs.DM cs.DS math.OC
A General Framework for Learning-Augmented Online Allocation
本文提出一个通用的学习增强在线分配框架,仅用每个智能体一个学习参数即可为多种极大化和极小化目标获得近似最优解,并改进和首次给出了多个具体问题的学习增强算法。
2023-05-30 cs.DS cs.GT
Some complexity and approximation results for coupled-tasks scheduling problem according to topology
本文研究了具有相容性约束的最小化完工时间的耦合任务问题。特别是,我们专注于拉伸耦合任务,即耦合任务具有相同的子任务执行时间和空闲时间持续时间。在经典复杂性和近似框架下,研究了相容图为二部图(星、链、. . .).在这种背景下,我们设计了一些有效的多项式时间的近似算法的一些参数,对一个棘手的调度问题。
2017-06-07 cs.CC cs.DS
Bounds for the Permutation Flowshop Scheduling Problem: New Framework and Theoretical Insights
Centro de Investigación en Matemáticas (CIMAT)(数学研究中心)
本文提出了一种新的框架,用于在排列流水作业调度问题中推导更精确的界,并通过实验验证了其在多个基准实例中的有效性。
2025-09-27 cs.DS math.OC
Speed Scaling on Parallel Processors with Migration
研究了在并行速度调节处理机上调度一组具有发布日期、截止期和加工要求(或工件)的工件,以使总能耗最小的问题.我们认为先占和迁移工作都是允许的。在椭球算法的基础上,提出了一种多项式时间的精确算法。在这里,我们制定的问题作为一个凸规划,我们提出了一个更简单的多项式时间的组合算法,这是基于减少最大流问题。我们的算法在$O(nf(n)logP)$时间内运行,其中$n$是作业数,$P$是处理器速度的所有可能值除以期望精度的范围,$f(n)$是计算具有O(n)个顶点的分层图中的最大流的复杂度。独立地,Albers等人\cite{AAG11}提出了利用与最大流问题相同关系的$O(n^2f(n))$时间算法。我们将我们的算法扩展到多处理器速度缩放问题的迁移,其目标是最小化的最大完工时间下的预算的能量。
2011-07-12 cs.DS
Submodular approximation: sampling-based algorithms and lower bounds
我们介绍了几个推广的经典计算机科学的问题,通过取代较简单的目标函数与一般的次模函数。新的问题包括子模块负载均衡,它推广了负载均衡或最小完工时间调度,子模块稀疏割和子模块平衡割,它们推广了各自的图割问题,以及子模块函数最小化的基数下界。我们建立了一个多项式数量的查询函数值的预言这些问题的近似性的上限和下限。我们的算法的近似保证是sqrt(n/ln n)的顺序。我们表明,这是固有的困难的问题,通过证明匹配下界。对于单调次模函数的近似学习问题,我们给出了一个改进的下界。此外,我们还提出了一个近似学习具有特殊结构的次模函数的算法,其保证接近下界。虽然相当严格,这种结构的函数类包括我们和以前的工作中用于下界的函数。这表明,如果这个问题有明显更强的下界,它们依赖于更一般的子模函数。
2010-05-31 cs.DS
Learnable and Instance-Robust Predictions for Online Matching, Flows and Load Balancing
Carnegie Mellon University(卡内基梅隆大学);Zhejiang University(浙江大学)
我们提出了一个新的模型,要求他们正式学习和实例强大的预测增强算法。可学习性确保可以从合理数量的过去数据中有效地构建预测。实例鲁棒性确保预测对于问题输入中的适度变化是鲁棒的,其中变化的度量可以是特定于问题的。实例鲁棒性坚持作为变化的函数的性能的平滑降级。理想情况下,性能永远不会比最坏情况下的边界差。这也使得预测能够客观地进行比较。我们设计了在线算法,预测网络流量分配问题和限制分配最大完工时间最小化。对于这两个问题,建立了两个关键属性:高质量的预测可以从先前实例的小样本中学习,并且这些预测对于随着底层问题实例的变化而平滑降级的错误是鲁棒的。
2021-07-02 cs.DS cs.LG
A unified approach to truthful scheduling on related machines
我们提出了一个统一的框架,设计确定性单调多项式时间近似计划(PTAS的)的一类调度问题的一致相关的机器。这个类包括(除其他外)最小化最大完工时间,最大化最小负载,最小化机器负载向量的l_p范数。在此之前,这种结果只为完工时间目标所知。单调算法具有的属性,在一台机器的速度的增加不能减少分配给它的工作量。我们的新方法的关键思想是表明,对于目标函数,是足够良好的机器负载的功能,它是可能的计算在多项式时间一个高度结构化的近最优的时间表。单调近似方案在算法机制设计的新兴领域中具有重要作用。在这些调度问题的博弈论设置有一个社会目标,这是我们研究的目标函数之一。每台机器都由一个自私的单参数代理控制,它的私人信息是它处理一个单位大小的作业的成本,这也是它的机器速度的倒数。每个代理都希望最大化自己的利润,定义为它从机制中获得的报酬减去处理分配给它的所有作业的成本,并根据其私人信息进行投标。对于每一个问题,我们都证明了我们可以有效地计算保证真实性的支付。因此,存在一个占主导地位的策略,代理报告他们的真实速度,我们显示了存在一个真实的机制,可以在多项式时间,其中的社会目标是近似在一个因素1+ 1/2,每个1/2>0。
2012-07-15 cs.DS cs.GT
Structured Convex Optimization under Submodular Constraints
Future University Hakodate(函馆未来大学);Osaka University(大阪大学)
机器学习中的许多离散和连续优化问题都与次模约束下的凸极小化问题有关。在本文中,我们处理一个次模函数与有向图结构,我们表明,范围广泛的凸优化问题的次模约束下,可以更有效地解决比一般次模优化方法减少到最大流问题。此外,我们给出了一些应用,其中包括稀疏优化方法,所提出的方法是有效的。此外,我们通过计算实验评估所提出的方法的性能。
2013-09-26 cs.DS cs.LG stat.ML