PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2509.02302v2cs.LG

AdaSwitch: 학습 기반 유계 영향 문제를 위한 적응형 전환 메타 알고리즘

AdaSwitch: An Adaptive Switching Meta-Algorithm for Learning-Augmented Bounded-Influence Problems

본 논문에서는 미래 요청 시퀀스에 대한 부정확할 수 있는 예측이 주어지는 이력 의존적(history-dependent) 온라인 문제를 연구합니다. 여러 실제 응용 분야에서 착안하여, 과거의 결정과 요청이 미래의 최적값에 제한된 양만큼만 영향을 미치는 유계 영향(bounded-influence) 프레임워크를 도입합니다. 이 프레임워크 내에서 적절한 오프라인 오라클(offline oracle)과 온라인 오라클 간을 적응적으로 전환하는 메타 알고리즘인 AdaSwitch를 개발합니다. AdaSwitch는 예측 오차가 감소하거나 오프라인 최적값이 증가할수록 강화되는 기대 성능에 대한 명시적인 보장을 제공합니다. 완벽한 예측이 주어질 경우, 오프라인 최적값이 커짐에 따라 AdaSwitch의 보장 성능은 오프라인 오라클의 보장 성능에 근접합니다. 또한 임의의 예측 상황에서도 온라인 오라클에 준하는 최악의 경우 보장 성능을 유지합니다. 온라인 리드 타임 견적, $k$-서버 및 캐싱, 온라인 재사용 가능 자원 할당에 대한 적용을 통해, 본 프레임워크가 보상(reward) 극대화 및 비용 최소화 모두에 폭넓게 적용 가능함을 입증합니다.