非自适应随机分数分类与可解释性半空间评估
摘要：顺序测试问题的序列包含了一个有多个组成部分的复杂系统，每个组成部分都有独立的工作概率。每个组成部分的结果可以通过进行测试来确定，测试会产生一些成本。整个系统的状态由其组成部分的结果的函数$f$给出。目标是通过以最小期望成本进行测试来评估这个函数$f$。虽然在这个领域已经有了大量的先前工作，但可证明的近似界限主要限制在像"n个中的k个"和半空间这样的简单函数上。我们考虑更一般的"得分分类"函数，并且提供第一个常数因子近似算法（改进了以前的对数近似比）。此外，我们的策略是非自适应的：它只涉及按照预先确定的顺序进行测试。我们也考虑相关的半空间评估问题，其中我们想要在$d$个半空间（例如，半空间的交集）上评估某个函数。我们表明，我们的方法为该问题提供了一个$O(d^2logd)$的近似算法。我们的算法也适用于"批处理"测试的设置，其中可以同时进行多个测试，但会产生额外的设置成本。最后，我们进行了计算实验，展示了我们的得分分类算法的实际性能。我们观察到，对于大多数实例，我们的算法的成本与优化值的信息理论下界相比相差不超过50%。
作者：Rohan Ghuge, Anupam Gupta, Viswanath Nagarajan
论文ID：2111.05687
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-08-22