Core Concepts
Wir leiten komputable Schranken für die Leistung gieriger Lösungen in Stringoptimierungsproblemen im Vergleich zur optimalen Lösung her. Unsere Schranken basieren auf einem verallgemeinerten Begriff der gierigen Krümmung und erfordern schwächere Annahmen als Submodularität.
Abstract
Die Arbeit befasst sich mit der Ableitung komputabler Schranken für die Leistung gieriger Lösungen in Stringoptimierungsproblemen im Vergleich zur optimalen Lösung.
Zunächst wird der Begriff der gierigen Krümmung von Satzfunktionen auf Stringfunktionen verallgemeinert und eine komputable Schranke hergeleitet, die die Schranke von Conforti und Cornuéjols für Satzoptimierungsprobleme verallgemeinert. Diese Schranke basiert auf schwächeren Annahmen als Submodularität.
Anschließend wird eine noch stärkere komputable Schranke hergeleitet, die auf noch schwächeren Annahmen beruht. Es wird gezeigt, dass diese Schranke größer ist als die erste Schranke.
Die theoretischen Ergebnisse werden auf Anwendungen wie Aufgabenplanung und Sensorabdeckung angewendet und die Überlegenheit der neuen Schranken im Vergleich zu bestehenden Ansätzen demonstriert.
Stats
Die Wahrscheinlichkeit der erfolgreichen Aufgabenerfüllung für jeden Agenten an jeder Stufe beträgt:
Stage 1: M1 - 0.2, M2 - 0.18, M3 - 0.16, M4 - 0.14, M5 - 0.12
Stage 2: M1 - 0.16, M2 - 0.16, M3 - 0.14, M4 - 0.12, M5 - 0.1
Stage 3: M1 - 0.14, M2 - 0.14, M3 - 0.14, M4 - 0.1, M5 - 0.08
Quotes
Keine relevanten Zitate identifiziert.