MétaCan
Menu
Retour à la cohorte
Enregistrement W2521963297

Tight bounds on the competitive ratio on accomodating sequences for the seat reservation problem

2000· article· en· W2521963297 sur OpenAlexfundno aff
Eric Bach, Joan Boyar, Leah Epstein, Lene M. Favrholdt, Tao Jiang, Kim S. Larsen, Guohui Lin, R. vanStee

Notice bibliographique

RevueCentrum Wiskunde & Informatica (CWI), the national research institute for mathematics and computer science in the Netherlands · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptimization and Search Problems
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science FoundationCentrum Wiskunde and InformaticaNederlandse Organisatie voor Wetenschappelijk OnderzoekEuropean Research Consortium for Informatics and MathematicsSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésReservationCompetitive analysisUpper and lower boundsMatching (statistics)CombinatoricsLine (geometry)Asymptotically optimal algorithmComputer scienceMathematicsDiscrete mathematicsMathematical optimizationComputer networkStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The unit price seat reservation problem is investigated. The seat reservation problem is the problem of assigning seat numbers on-line to requests for reservations in a train traveling through $k$ stations. We are considering the version where all tickets have the same price and where requests are treated fairly, i.e., a request which can be fulfilled must be granted. For fair deterministic algorithms, we provide an asymptotically matching upper bound to the existing lower bound which states that all fair algorithms for this problem are $frac{1{2$-competitive on accommodating sequences, when there are at least three seats. Additionally, we give an asymptotic upper bound of $frac{7{9$ for fair randomized algorithms against oblivious adversaries. We also examine concrete on-line algorithms, First-Fit and Random, for the special case of two seats. Tight analyses of their performance are given.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0040,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,114
Tête enseignante GPT0,363
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCentrum Wiskunde & Informatica (CWI), the national research institute for mathematics and computer science in the NetherlandsMême sujetOptimization and Search ProblemsTravaux en français237 207