Boosting Double Coverage for k-Server via Imperfect Predictions

We study the online k -server problem in a learning-augmented setting. While in the traditional online model, an algorithm has no information about the request sequence, we assume that there is given some advice (for example, machine-learned predictions) on an algorithm’s decision. There is, however...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Algorithmica Ročník 87; číslo 11; s. 1477 - 1517
Hlavní autoři:	Lindermayr, Alexander, Megow, Nicole, Simon, Bertrand
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.11.2025 Springer Nature B.V Springer Verlag
Témata:	Algorithm Analysis and Problem Complexity Algorithms Computer Science Computer Systems Organization and Communication Networks Data Structures and Information Theory Lower bounds Machine learning Mathematics of Computing Theory of Computation Learning-augmented algorithms Online k-server problem Competitive analysis Consistency Robustness Advice Imperfect predictions
ISSN:	0178-4617, 1432-0541
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!