Das Papier untersucht die Verwendung von Vorhersagen, um die Aktualisierungszeit von dynamischen submodularen Maximierungsalgorithmen zu verbessern. Es präsentiert einen Algorithmus mit amortisierter Update-Zeit, der eine 1/2-ε-Approximation für dynamische monotone submodulare Maximierung unter einer Kardinalitätsbeschränkung k erreicht. Die Vorhersagefehler werden berücksichtigt, und es wird gezeigt, dass Vorhersagen die Update-Zeit verbessern können. Es wird auch auf die Verwendung von Vorhersagen in anderen Bereichen wie Online-Algorithmen und Mechanismusdesign hingewiesen.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Arpit Agarwa... at arxiv.org 03-11-2024
https://arxiv.org/pdf/2311.13006.pdfDeeper Inquiries