Tight Bounds on the Competitive Ratio on Accommodating Sequences for the Seat Reservation Problem
Notice bibliographique
Résumé
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 Computer Sciences Department, University of Wisconsin { Madison, 1210 West Dayton Street, Madison, WI 53706-1685, U.S.A. Email: bach@cs.wisc.edu. y Department of Mathematics and Computer Science, University of Southern Denmark, Main Campus: Odense University, Campusvej 55, DK-5230 Odense M, Denmark. Email: fjoan,lenem,kslarseng@imada.sdu.dk. z School of Computer and Media Sciences, The Interdisciplinary Center, P.O.B. 167, 46150 Herzliya, Israel. Email: epstein.leah@idc.ac.il. x Department of Computer Science, University of California, Riverside. On leave from Department of Computing and Software, McMaster University, Hamilton, Ontario L8S 4L7, Canada. Email: jiang@cs.ucr.edu. { Department of Computer Science, University of Waterloo, Waterloo, Ontario N2L 3G1, Canada and Department of Computing and Software, McMaster University, Canada. Email: ghlin@wh.math.uwaterloo.ca. k Centre for Mathematics and Computer Science (CWI), P.O.B. 94079, 1090 GB Amsterdam, The Netherlands. Email: Rob.van.Stee@cwi.nl. 1 are considering the version where all tickets have the same price and where requests are treated fairly, i.e., a request which can be fullled 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 1 2 -competitive on accommodating sequences, when there are at least three seats. Additionally, we give an asymptotic upper bound of 7 9 for fair randomized algorithms against oblivious adversaries. We also examine concrete ...
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 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».