A Polylogarithmic-Competitive Algorithm for the k-Server Problem
我们给出了任意有限度量空间上求解$k$ -服务器问题的第一个多解竞争随机在线算法。特别是,我们的算法实现了一个竞争比O(log^3 n log^2 k log log n)的任何度量空间的n个点。我们的算法改进了Koutsoupias和Papadimitriou [J.ACM'95]的确定性(2k-1)-竞争算法,只要n是k的次指数。
2011-10-07 cs.DS
Time-Optimal $k$-Server
本文研究时间最优的k-服务器问题,证明了确定性算法竞争比下界为2k-1,并给出欧几里得空间、均匀度量空间及随机化算法的下界,其中均匀空间下界k可由确定性算法匹配,旨在开启该自然但被忽视问题的系统研究。
2025-03-07 cs.DS
Weighted $k$-Server Admits an Exponentially Competitive Algorithm
National University of Singapore(新加坡国立大学);Indian Institute of Technology, Delhi(印度德里理工学院)
本文提出一个递归的随机在线算法,在均匀度量上实现加权$k$-服务器问题的$\exp(O(k^2))$竞争比,首次打破确定性算法的双重指数障碍,并推广到广义问题。
2025-10-26 cs.DS
The k-Server with Preferences Problem
$k$-服务器问题涵盖了大量的资源分配场景,并且几十年来已经广泛研究了几种变体。我们提出了一个模型概括的$k$-服务器问题的偏好的请求,其中的服务器是不相同的,请求可以表达哪些特定的服务器应该为他们服务。在我们的模型中,请求可以由任何服务器(一般请求)或由特定服务器(特定请求)应答。如果只出现一般请求,则该实例是原始$k$-服务器问题之一,并且适用$k$竞争比率的下限。如果只出现特定的请求,则具有竞争比$1$的解决方案变得微不足道。我们表明,如果这两种类型的请求出现,下限提高到$2k-1$。我们研究了确定性在线算法,并提出了两个算法的一致度量。第一种方法的竞争比例取决于具体请求的频率。它实现了$3k-2$的最坏情况下的竞争比,而它是最佳的,当只有一般的请求出现或当特定的请求占主导地位的输入序列。第二种具有$2k+14$的最差情况竞争比。对于第一个算法,我们展示了$3k-2$的一个下界,而第二个算法在只有一般请求出现时具有$2k-1$的一个下界。这两种算法的区别仅在于一个显著影响竞争比的行为规则。我们发现,有一个权衡以及对实例的$k$-服务器问题和混合实例的基础上的规则。此外,没有确定性的在线算法可以同时对这两种情况都是最佳的。关于非均匀的指标,我们提出了一个适应的$2$服务器上的双覆盖算法实现$6$的竞争比,和适应的工作功能算法实现$4k$的竞争比。
2022-10-20 cs.DS
Weighted k-Server Bounds via Combinatorial Dichotomies
加权$k$ -服务器问题是$k$ -服务器问题的自然推广,其中每个服务器具有不同的权重。我们考虑统一度量的问题,这对应于分页的自然推广。我们的主要结果是一个双指数的竞争比的任何确定性的在线算法的下限,基本上匹配已知的上限的问题,并关闭一个大的和长期存在的差距。该下界是基于将加权$k$ -服务器问题与某个组合问题联系起来,并证明了该组合问题的一个Ramsey理论下界,这种组合联系还揭示了服务于一系列请求的低成本可行解的若干结构性质.我们用它来表明,广义功函数算法实现了几乎最佳的竞争比,并获得新的细化的竞争比的情况下,$d$不同的权重类的上界。
2017-09-07 cs.DS
The Randomized Competitive Ratio of Weighted $k$-server is at least Exponential
加权$k$ -服务器问题是$k$ -服务器问题的自然推广,其中移动服务器的成本是移动距离乘以服务器的重量。即使在Fiat和Ricklin(1994)的开创性工作近30年后,这个问题的竞争比仍然知之甚少,即使是在最简单的度量空间类--一致度量空间上。特别是,在对不经意的对手的随机算法的情况下,既不是一个更好的上界,双指数确定性的上限,也不是一个更好的下界比对数下界的未加权$k$ -服务器,是已知的。在这篇文章中,我们取得了重大进展,了解加权$k$ -服务器上的统一度量的随机竞争比。我们削减了三倍指数差距之间的上限和下限到一个单一的指数差距,证明竞争比至少是指数的$k$,大大提高了以前已知的下限约$\ln k$。
2021-07-14 cs.DS
Unbounded lower bound for k-server against weak adversaries
我们研究的$k$ -服务器问题,也被称为$k$ -服务器问题对弱对手或$(h,k)$ -服务器问题的资源扩充版本。在此设置中,将使用$k$服务器的在线算法与使用$h$服务器的离线算法进行比较,其中$h\le k$。对于统一度量,从Sleator和Tarjan(1985)的开创性工作以来,人们已经知道,对于任何$ε>0$,如果$k=(1+ε) \cdot h$,竞争比下降到一个常数。这个结果后来被推广到加权星(Young 1994)和有界深度的树(Bansal et al. 2017)。此设置的主要开放问题是,在一般指标上是否会出现类似的现象。我们以消极的方式解决这个问题。通过一个简单的递归构造,我们证明了竞争比至少为$Ω(\log \log h)$,甚至为$k\to\infty$ .我们的下界对确定性算法和随机算法都成立。它也否定了一般度量上无限服务台问题的竞争算法的存在。
2020-04-20 cs.DS
PERMUTATION Strikes Back: The Power of Recourse in Online Metric Matching
在经典的在线度量匹配问题中,我们给出了一个带有$k$服务器的度量空间。客户端的集合以在线方式到达,并且在到达时,客户端应该可以匹配到尚未匹配的服务器。我们的目标是找到一个在线匹配,使总成本最小化,即,每个客户端与其匹配的服务器之间的距离之和。我们知道确定性算法~ \cite{KP93,khuller1994line}达到竞争比$2k-1$,并且这个界对于确定性算法是紧的。这个问题也长期以来一直被认为是在专门的度量,如线度量或有界双维度量,目前最好的结果线度量是一个确定性$O(\log k)$竞争算法\cite{raghvendra2018optimal}。获得(或反驳)一般度量上的$O(\log k)$ -竞争算法和线度量上的常数-竞争算法一直是这一领域长期存在的公开问题。在本文中,我们研究这些下限的鲁棒性,考虑在线度量匹配与追索权的问题,我们被允许改变一个新的客户端到达后,少量的以前的分配。事实上,我们表明,一个小的对数数量的追索权可以显着提高匹配的质量,我们可以保持。对于一般的指标,我们展示了一个简单的\emph{deterministic} $O(\log k)$竞争力的算法与$O(\log k)$摊销的追索权,指数改善的$2k-1$下限时,不允许追索权。我们接下来考虑的线度量,并提出了一个确定性的算法,这是$3$ -竞争,并有$O(\log k)$ -追索权,再次大幅改善最…
2019-11-28 cs.DS
Fusible HSTs and the randomized k-server conjecture
我们展示了一个$O((\log k)^6)$竞争随机算法的$k$服务器问题的任何度量空间。证明了在具有竞争比$f(k)$的层次分离树上求解分数$k$ -服务器问题的一个基于势函数的算法可以用于获得具有竞争比$f(k)^2 O((\log k)^2)$的任意度量空间的一个随机算法.使用我们与Bubeck,Cohen,Lee和Mackdry(2017)联合工作中的HST的$O((\log k)^2)$竞争算法产生了声称的界限。与基本度量空间的几何无关的最佳先前结果是Koutsoupias和Papadimitriou(1995)为确定性功函数算法建立的$2k-1$竞争比。即使对于基本度量空间是实数线的特殊情况,最著名的竞争比也是$k$。由于确定性算法在任何至少具有$k+1$点的度量空间上都不能比$k$做得更好,这就建立了对于问题是非平凡的每个度量空间,随机算法给出了比确定性算法指数级的改进。
2021-07-28 cs.DS math.MG math.PR
A Collection of Lower Bounds for Online Matching on the Line
在在线匹配问题中,任务是将一组请求$R$在线匹配到给定的一组服务器$S$。$R\,\cup\, S$中任意两点之间的距离度量是一个线度量,在线算法的目标是最小化匹配的服务器-请求对之间的距离之和。这个问题已经得到了很好的研究,尽管最近有了改进,但在最知名的下限和上限之间仍然存在很大的差距:这个问题最知名的确定性算法是$O(\log^2n)$ -竞争性算法,而最知名的确定性下限是$9.001$。随机化算法的下限和上限分别是$4.5$和$O(\log n)$。我们证明,任何确定性的在线算法,在每一轮:$(i)$基地的匹配决策只对信息本地的当前请求,和$(ii)$是对称的(在这个意义上说,相应的镜像的一些实例$I$的决定是镜像的决定对应的实例$I$),必须是$Ω(\log n)$ -竞争。然后,我们扩展的结果表明,它也持有放松对称性时,使算法可能会更喜欢一边,但只有在一定程度上。这证明了$Ω(\log n)$对一大类“自然”算法的竞争比的障碍。这门课包括了目前为止在文献中找到的所有确定性的线上演算法。此外,我们表明,我们的结果可以扩展到随机算法,局部诱导所选服务器的对称分布。竞争比上的$Ω(\log n)$ -障碍也适用于这类算法。
2017-12-19 cs.DS
Stochastic k-Server: How Should Uber Work?
在本文中,我们研究了著名的k-服务器问题的一个随机变体。在k服务器问题中,我们需要最小化k个服务器的总移动量,这些服务器在一个度量中服务于t个请求的在线序列。在随机设置中,我们给出t个独立分布<P_1,P_2,.,P_t>,并且在每个时间步骤i,从Pi提取请求。在这种情况下设计最优在线算法是NP难的,因此我们的工作重点是设计一个近似最优的在线算法。首先,我们展示了一个结构特征的某一类非自适应在线算法。我们证明,在一般的指标,最好的这样的算法的成本不低于三倍的最佳在线算法。接下来,我们提出了一个整数规划,找到这个类的任何任意度量的最佳算法。最后,通过对该程序的线性松弛解进行舍入,给出了随机k-服务器问题的在线算法,其近似因子为3,在一般度量中近似因子为O(log n).此外,我们定义了优步问题,其中每个需求包括两个端点,一个源和一个目的地。我们证明了,给定k-服务器问题的a-近似算法,我们可以得到Uber问题的(a+2)-近似算法.由于需求通常与我们研究随机Uber问题的时间高度相关。此外,我们将我们的结果扩展到相关设置,其中请求到达某个点的概率不仅取决于时间步长,而且还取决于先前到达的请求。
2017-05-30 cs.DS
The $k$-server conjecture is true
University of Oxford(牛津大学)
本文证明了$k$-server猜想,通过将工作函数表示为矩阵并利用行列式与势函数进行摊销分析,证明工作函数算法在任意度量空间上达到竞争比$k$。
2026-09-15 cs.DS
The Mobile Server Problem
我们介绍了移动服务器的问题,灵感来自当前的趋势,将计算任务从云结构到多个设备接近最终用户。这方面的一个例子是自动驾驶汽车中的嵌入式系统,它们可以进行通信以协调它们的行动。我们的模型是经典的页面迁移问题的一个变种。更正式地说,我们考虑一个移动服务器持有一个数据页面。服务器可以在欧几里得空间(任意维度)中移动。在每一轮中,对页面中数据项的请求都会在空间中的任意点弹出。每个请求都以从请求点到服务器的距离为代价来服务,并且移动服务器可以以$D$乘以某个常数$D$的行进距离的代价来移动。我们假设服务器每轮允许移动的最大距离为$m$。我们表明,没有在线算法可以实现独立的输入序列的长度在此设置的竞争比。因此,我们将在线算法的最大移动距离增加到离线解决方案的最大距离的$(1+δ)$倍。我们提供了一个确定性的算法,这是简单的描述和工程的多个变种,我们的问题。该算法实现了几乎紧竞争比独立的输入序列的长度。我们的算法还实现了一个恒定的竞争比,没有资源增加的变种,其中两个连续的请求之间的距离被限制为一个常数小于服务器的限制。
2019-04-10 cs.DS
Tight Bounds for Online Graph Partitioning
我们考虑以下在线优化问题。我们给出一个图$G$,图的每个顶点被分配给一个$\ell$服务器,其中服务器具有容量$k$,我们假设图具有$\ell \cdot k$顶点。最初,$G$不包含任何边,然后$G$的边被逐个显示。我们的目标是设计一个在线算法$\operatorname{ONL}$,它总是把连接组件所揭示的边缘在同一台服务器上,永远不会超过服务器的能力超过$\varepsilon k$恒定$\varepsilon>0$。每当$\operatorname{ONL}$了解到一条新边时,该算法就可以将顶点从一个服务器移动到另一个服务器。它的目标是最小化顶点移动的次数。更具体地说,$\operatorname{ONL}$应该最小化竞争比:与最佳离线算法$\operatorname{OPT}$相比,$\operatorname{ONL}$产生的总成本。我们的主要贡献是一个多项式时间的随机算法,这是渐近最优的:我们推导出上界的$O(\log \ell + \log k)$的竞争比,并表明没有随机在线算法可以实现竞争比小于$Ω(\log \ell + \log k)$。我们还解决了开放的问题,可实现的竞争比确定性在线算法,通过推导的竞争比$Θ(\ell \lg k)$,为此,我们提出了一个改进的下界,以及确定性的多项式时间在线算法。我们的算法依赖于一种新的技术,它结合了高效的整数规划与组合方…
2020-11-02 cs.DS
The $(h,k)$-Server Problem on Bounded Depth Trees
我们研究了$k$ -服务器问题中的资源增加设置,即,当使用$k$服务器的在线算法的性能与使用$h \leq k$服务器的离线最优解决方案进行比较时。除了统一的度量标准之外,对这个问题的理解非常有限。对于这种特殊情况,经典的$k$ -服务器算法在$k=(1+ε) h$时,对于任何$ε>0$都大致是$(1+1/ε)$ -竞争性的.然而,令人惊讶的是,即使对于深度为2的HST,甚至当$k/h$任意大时,也没有$o(h)$竞争算法是已知的。我们得到了几个新的结果。首先,我们表明,已知的$k$ -服务器算法不工作,即使在非常简单的指标。特别地,双覆盖算法具有竞争比$Ω(h)$,而与$k$的值无关,即使对于深度2 HST也是如此。类似地,当$k=h$在深度3 HST上具有竞争比$Ω(h)$,即使$k=2h$时,被认为对于所有度量空间都是最优的功函数算法。我们的主要结果是一个新的算法,是$O(1)$ -竞争的恒定深度树,每当$k =(1+ε)h$的任何$ε> 0$。最后,我们给出了一个一般的下界,任何确定性的在线算法的竞争比至少为2.4,即使深度为2 HST和$k/h$是任意大的。这给出了一个令人惊讶的定性分离之间的统一指标和深度2 HST的$(h,k)$ -服务器的问题,并给出了最强的已知下界的一般指标的问题。
2017-04-11 cs.DS
Fairness in the k-Server Problem
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);York University(约克大学)
本文研究了k-服务器问题中的公平性,提出了一种在不损失竞争力的前提下实现公平分配的算法,并探讨了在不同设置下公平性的实现可能性。
2025-12-24 cs.DM cs.DS
Managing Multiple Mobile Resources
我们扩展的移动服务器问题,在SPAA'17中介绍,到一个模型,其中k个相同的移动资源,这里命名为服务器,回答请求出现在点在欧几里德空间。为了降低通信成本,服务器的位置可以通过每个服务器的每轮有限距离m_s来适配。成本的测量类似于经典的页面迁移问题,即,响应请求会导致成本与到最近服务器的距离成比例,而移动服务器会导致成本与距离乘以权重D成比例。我们表明,在我们的模型中,没有在线算法可以有一个恒定的竞争比,即,即使在线算法允许增加(1+δ)m_s的移动距离,也不依赖于输入长度n。因此,我们研究了对手支配请求序列的权力的限制:我们要求请求的局部性,即,连续请求来自欧氏空间中距离由某个常数m_c限定的点。在这种情况下,我们显示了恒定的竞争力的下限(独立于n,但依赖于k,m_s和m_c)。在积极的一面,我们提出了一个确定性的在线算法,有界的竞争力时,扩大移动距离和局部性的请求是假设。我们的算法模拟任何给定的经典k页迁移问题的算法作为其服务器的指导,并通过在每一轮中一个服务器的贪婪移动来扩展它。竞争比是服务器数目k、mc与ms之比、增强因子1/δ的倒数以及模拟k-Page Migration算法的竞争比的多项式。
2019-07-23 cs.DS
Online $b$-Matching with Stochastic Rewards
针对带随机奖励的$b$-匹配问题,开发了确定性和随机在线算法竞争比的紧上下界,证明随机算法竞争比不超$1-1/e$,且确定性\textsc{StochasticBalance}算法在非消失概率下可达该竞争比。
2024-11-25 cs.DS
Dynamic Pricing Algorithms for Online Set Cover
本文研究在线集合覆盖问题的动态定价算法,提出对可通过动态定价模拟的在线算法进行分类,并识别出一种相对于频率参数具有强竞争力的确定性算法。
2024-09-23 cs.DS
A Nearly Optimal Deterministic Algorithm for Online Transportation Problem
针对在线运输问题,提出Subtree-Decomposition确定性算法,实现$O(m)$竞争比(至多$8m-5$),接近下界$2m-1$,解决了长期未决的猜想。
2025-04-23 cs.DM cs.DS
Renting Servers for Multi-Parameter Jobs in the Cloud
研究多维云服务器租赁问题,提出单调AF算法类并证明其紧致竞争比,同时设计贪心算法Greedy,在实验中表现优于现有算法。
2024-04-23 cs.DS
Smoothed Analysis of Online Metric Matching with a Single Sample: Beyond Metric Distortion
Stanford University(斯坦福大学)
研究在线度量匹配问题,在欧几里得空间中设计无需分布知识的O(1)竞争算法,通过单样本实现非平凡度量的o(log n)竞争比。
2026-04-21 cs.DS
Tight Bounds for Online Matching in Bounded-Degree Graphs with Vertex Capacities
研究了二部图$G=(S,R,E)$中的$b$匹配问题.每个顶点$s\in S$是具有单独容量$b_s$的服务器。顶点$r\in R$是联机到达的请求,必须立即分配给符合条件的服务器。目标是最大化构造的匹配的大小。我们假设$G$是一个$(k,d)$-图~\cite{NW},其中$k$指定每个服务器的度的下界,$d$是每个请求的度的上界.此设置对及时应用中的匹配问题进行建模。我们提出了严格的上限和下限的确定性在线算法的性能。特别是,我们开发了一个新的在线算法,通过原始对偶分析。对于任意的$k\geq d$,随着服务器容量的增加,最优竞争比趋于~1。因此,几乎最优的解决方案可以在线计算。我们的研究结果也适用于顶点加权问题的扩展,因此对于AdWords和拍卖问题,其中每个投标人发出单独的,同等价值的出价。我们的边界改善了以前的最佳竞争比。对于$k/d\geq 1$较小的有趣范围,~1的渐近竞争性是对$1-1/e^{k/d}$的先前因子的显著改进。回想一下$1-1/e\approx 0.63$。匹配问题,承认竞争比任意接近~1是罕见的。先前的结果依赖于随机化或概率输入模型。
2022-06-30 cs.DS
Scheduling Multi-Server Jobs is Not Easy
本文研究多服务器作业在线调度,证明等大小作业下任何算法竞争比至少为Ω(K),并提出竞争比至多K+1的算法、资源增广下竞争比为1的简单算法以及不等大小作业下竞争比至多2K log(K w_max)的算法。
2024-07-01 cs.DS cs.IT math.IT
Online Minimum Cost Matching on the Line with Recourse
在线路上的在线最小成本匹配中,$n$请求一个接一个地出现,并且必须立即且可替换地匹配到一组给定的服务器,所有这些都在实际线路上。目标是最小化从请求到其各自服务器的距离之和。尽管所有的研究工作,它仍然是一个有趣的开放式问题,是否存在一个$O(1)$竞争的算法。Raghvendra [SoCG 18]的最知名在线算法实现了$Θ(\log n)$的竞争因子。该结果与$Ω(\log n)$ [Latin18]的下限相匹配,该下限适用于相当大的一类在线算法,包括文献中的所有确定性算法。在这项工作中,我们在一个追索权模型中处理这个问题,在这个模型中,我们允许在一定程度上撤销在线决策。我们展示了一个$O(1)$竞争算法在线匹配上使用最多$O(n\log n)$ reasonable。这是第一个非平凡的结果,最小成本的二部匹配与追索。对于所谓的交替实例,两个服务器之间不超过一个请求,我们获得了接近最优的结果。我们给出了一个$(1+\varepsilon)$竞争算法,重新分配任何请求在最多$O(\varepsilon^{-1.001})$倍。这种特殊情况是有趣的,因为上述相当普遍的下限$Ω(\log n)$适用于这种情况。
2020-01-09 cs.DS
A Decomposition Approach to the Weighted $k$-server Problem
针对均匀度量下加权k-服务器问题竞争比上下界的指数级差距,提出分解方法,将原问题拆为两个松弛版本并证明组合竞争比,给出WkS-RSP的2^{O(k²)}竞争随机算法并证明其Ω(2ᵏ)下界,为设计多项式指数级竞争算法提供路径。
2024-10-09 cs.CC cs.DM cs.DS
Optimal Algorithms for Right-Sizing Data Centers- Extended Version
电力成本是数据中心中占主导地位且快速增长的费用。不幸的是,由于服务器长时间处于空闲状态,因此大部分消耗的能量都被浪费了。我们研究了一个容量管理问题,动态正确的大小的数据中心,匹配的数量与计算能力的不同需求的活动服务器。我们求助于Lin,Wierman,Andrew和Thereska提出的数据中心优化问题,在一个时间范围内,最小化由一系列凸函数建模的运营成本和服务器切换成本组成的组合目标函数。所有先前的工作都是针对一个连续的设置,其中活动服务器的数量在任何时候都可以取一个分数值。在本文中,我们首次研究了离散数据-中心优化问题,其中活动服务器的数量,在任何时候,必须是整数值。因此,我们寻求真正可行的解决办法。首先,我们证明了离线问题可以在多项式时间内求解。其次,我们研究了在线问题,并将Lin等人的算法{ \em Lazy Capacity Provisioning\/}(LCP)扩展到离散环境。我们证明了LCP是3-竞争的。此外,我们表明,没有确定性的在线算法可以实现竞争比小于3。此外,我们开发了一个随机的在线算法,是2-竞争对一个不经意的对手。此外,我们证明了2是一个下界的竞争比的随机在线算法,所以我们的算法是最优的。最后,我们解决了连续设置,并给出了一个下界~2的最佳竞争力的在线算法。这与Bansal等人的上界相匹配。我们证明了所有的下界仍然保持在一个问题的变种,更严格的运营成本函…
2021-07-30 cs.CC cs.DS
Lee-Yang zeros and the complexity of the ferromagnetic Ising model on bounded-degree graphs
研究了用复平面单位圆上的外场参数$λ$近似铁磁伊辛模型配分函数的计算复杂性。伊辛模型的复值参数与统计物理中的量子电路计算和相变有关,但也是Liu,Sinclair和Srivastava最近对所有$|λ|\neq 1$的确定性近似方案的关键。在这里,我们专注于未解决的复杂性图片上的单位圆,并在诱人的问题发生了什么$λ=1$,其中一方面的经典算法的Jerrum和辛克莱给出了一个随机的近似计划的实轴上建议易处理性,另一方面,李杨零的存在暗指计算的硬度。我们的主要结果建立了一个尖锐的计算过渡点$λ=1$,更一般的整个单位圆。对于一个整数$Δ\geq 3$和边缘相互作用参数$b\in (0,1)$,我们显示#P-硬度近似图上的最大程度$Δ$上的单位圆的弧的李杨零点是密集的分区函数。该结果与当$|λ|\neq 1$或当$λ$在单位圆的$1$周围的互补弧中时的已知近似算法形成对比。因此,我们的工作给出了一个直接的联系之间的存在/不存在的李-杨零和有界度图上的分区函数的有效逼近的易处理性。
2021-01-22 cs.CC cs.DS math.CO