Dynamic Relaxations for Online Bipartite Matching
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Online bipartite matching (OBM) is a fundamental model underpinning many important applications, including search engine advertisement, website banner and pop-up ads, and ride hailing. We study the independent and identically distributed (i.i.d.) OBM problem, in which one side of the bipartition is fixed and known in advance, whereas nodes from the other side appear sequentially as i.i.d. realizations of an underlying distribution and must immediately be matched or discarded. We introduce dynamic relaxations of the set of achievable matching probabilities; show how they theoretically dominate lower dimensional, static relaxations from previous work; and perform a polyhedral study to theoretically examine the new relaxations’ strength. We also discuss how to derive heuristic policies from the relaxations’ dual prices in a similar fashion to dynamic resource prices used in network revenue management. We finally present a computational study to demonstrate the empirical quality of the new relaxations and policies. Summary of Contribution: Online bipartite matching (OBM) is one of the fundamental problems in the area of online decision analysis with a wide variety of applications in operations research and computer science, for example, online advertising, ride sharing, and general resource allocation. Over the last decades, both communities have been interested in the design and analysis of new approaches. Our main contribution is to provide a polyhedral study that considers the problem’s sequential nature. Specifically, we achieve this via dynamic relaxations. We also discuss how to derive heuristic policies from the relaxations’ dual prices. We support our theoretical findings with a detailed computational study.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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