改进多选秘书问题预测算法竞争比分析
热点事件持续更新
改进多选秘书问题预测算法竞争比分析
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Shaojie Tang 发布论文，对 Fujii 和 Yoshida 的 Learned Kleinberg 切换算法做更精细分析并重新调整阈值，改进了带预测的多选秘书问题竞争比，去掉了原 O(min{log k/√k, ε}) 中的对数因子。新竞争比至少为 max{0, 1 − min{32/√k, 4ε}}。 论文称，当预测完全准确（ε=0）时，无论候选人到达顺序如何，算法都能达到离线最优。
AI 根据报道生成 · 17 分钟前更新
最新进展11月14日 13:00
带预测的多选秘书问题：更精细分析移除对数因子报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AI带预测的多选秘书问题：更精细分析移除对数因子
Shaojie Tang 通过对 Fujii 和 Yoshida 的 Learned Kleinberg 切换算法更精细的分析并重新调整阈值，改进了带预测的多选 secretary 问题竞争比，去掉了 O(min{log k/√k, ε}) 中的对数因子。新竞争比至少为 max{0, 1 − min{32/√k, 4ε}}；当预测完全准确（ε=0）时，无论候选人到达顺序如何都能达到离线最优。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。