学习队列中未知服务速率：一种多臂赌博机方法
摘要：多服务器队列系统的考虑。作业随时间到达并进入等待服务的队列；目标是最小化队列的大小。在每次服务机会中，最多可以选择一个服务器，并且最多可以服务一个作业。服务成功的概率（服务概率）对于每个服务器是事先未知的。一个知道服务概率的算法（"魔法师"）总是可以选择服务概率最高的服务器。我们研究学习未知服务概率的算法。我们的目标是最小化队列遗憾：算法所得到的队列长度与"魔法师"所得到的队列长度之间的期望差异。 由于队列遗憾不能超过经典遗憾，标准多臂赌博问题的结果提供了算法，使得队列遗憾在时间上增长不超过对数。我们的论文展示了意外地更复杂的行为。特别地，只要赌博算法的队列具有相对较长的再生周期，队列遗憾与累积遗憾类似，并且（实质上）按对数缩放。然而，我们展示了这种队列赌博的"早期阶段"最终会变为"后期阶段"，在这个阶段，最优的队列遗憾缩放为$O(1/t)$。我们展示了一个在后期阶段（次序上）实现这种渐近队列遗憾的算法。我们的结果在一个更一般的模型中进行了拓展，允许存在多种作业类别。
作者：Subhashini Krishnasamy, Rajat Sen, Ramesh Johari and Sanjay Shakkottai
论文ID：1604.06377
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-11-25