Core Concepts
메트릭 태스크 시스템에서 완전 무작위 알고리즘을 거의 무작위 알고리즘으로 변환할 수 있으며, 이때 경쟁 비율이 2배 증가하는 것을 보여줍니다.
Abstract
이 논문은 메트릭 태스크 시스템에 대한 거의 무작위 알고리즘을 제시합니다.
주요 내용은 다음과 같습니다:
메트릭 태스크 시스템은 n개의 점으로 구성된 일반 메트릭 공간에서 정의됩니다. 입력은 비용 벡터 시퀀스이고 출력은 상태 시퀀스입니다.
완전 무작위 알고리즘은 무한한 수의 무작위 비트를 사용하지만, 거의 무작위 알고리즘은 상수 수의 무작위 비트만 사용합니다.
이 논문에서는 완전 무작위 알고리즘을 거의 무작위 알고리즘으로 변환하는 방법을 제시합니다. 이때 경쟁 비율이 2배 증가하는 것을 보여줍니다.
이 결과는 메트릭 태스크 시스템에 대한 최적 거의 무작위 알고리즘을 제공합니다.
또한 집단 메트릭 태스크 시스템, 고정 거래 비용이 있는 분수 메트릭 태스크 시스템, 조언 복잡성 등 다양한 응용 분야에 대한 통찰을 제공합니다.
Stats
메트릭 태스크 시스템에서 결정적 알고리즘의 경쟁 비율은 2n-1입니다.
메트릭 태스크 시스템에서 완전 무작위 알고리즘의 경쟁 비율은 O((log n)^2)입니다.
균일 메트릭 공간에서 k-거의 무작위 알고리즘의 경쟁 비율은 2H_n + 6입니다.
Quotes
"We call an algorithm that uses a bounded number of random bits regardless of the number of requests barely random."
"For any metric space X = (X, d) with n points, if there exists an α-competitive randomized algorithm for metrical task systems on X, then there exists a 2α-competitive k-barely random algorithm, for any k ≥ n^2."
"There exists a deterministic algorithm for the metrical task system on metric spaces with n points that is O((log n)^2)-competitive, using only ⌈2 log n⌉ bits of advice."