Key points are not available for this paper at this time.
Wir untersuchen ein grundlegendes Modell der Ressourcenallokation, bei dem eine endliche Anzahl von Ressourcen in einer Online-Art und Weise einem heterogenen Strom von Kunden zugewiesen werden muss. Die Kunden kommen zufällig über die Zeit an, gemäß bekannten stochastischen Prozessen. Jeder Kunde benötigt eine spezifische Menge an Kapazität und hat eine spezifische Präferenz für jede der Ressourcen, wobei einige Ressourcen für den Kunden machbar sind und einige nicht. Das System muss eine machbare Zuordnung jedes Kunden zu einer Ressource finden oder den Kunden ablehnen. Das Ziel ist es, die gesamte erwartete Kapazitätsauslastung der Ressourcen über den Horizont zu maximieren. Dieses Modell findet Anwendung in Dienstleistungen, Frachttransport und Online-Werbung. Wir präsentieren Online-Algorithmen mit begrenzten Wettbewerbsverhältnissen im Vergleich zu einem optimalen Offline-Algorithmus, der alle stochastischen Informationen kennt. Unsere Algorithmen schneiden im Vergleich zu gängigen Heuristiken äußerst gut ab, wie an einem echten Datensatz aus einem großen Krankenhaussystem in New York City demonstriert wird. Dieses Papier wurde von Yinyu Ye, Optimierung, akzeptiert.
Stein et al. (Tue,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: