Buchumschlag

Best of Many in Both Worlds: Online Resource Allocation with Predictions under Unknown Arrival Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	An, Lin, Li, Andrew A., Moseley, Benjamin, Visotsky, Gabriel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Near-Optimal Real-Time Personalization with Simple Transformers
von: An, Lin, et al.
Veröffentlicht: (2025)

Best of Both Worlds Guarantees for Smoothed Online Quadratic Optimization
von: Bhuyan, Neelkamal, et al.
Veröffentlicht: (2023)

A Best-of-Both-Worlds Proof for Tsallis-INF without Fenchel Conjugates
von: Lee, Wei-Cheng, et al.
Veröffentlicht: (2025)

Predictive Linear Online Tracking for Unknown Targets
von: Tsiamis, Anastasios, et al.
Veröffentlicht: (2024)

Online Resource Allocation with Non-Stationary Customers
von: Zhang, Xiaoyue, et al.
Veröffentlicht: (2024)

Online Optimization for Randomized Network Resource Allocation with Long-Term Constraints
von: Sid-Ali, Ahmed, et al.
Veröffentlicht: (2023)

Exponentially Weighted Algorithm for Online Network Resource Allocation with Long-Term Constraints
von: Sid-Ali, Ahmed, et al.
Veröffentlicht: (2024)

Online Resource Allocation with Average Budget Constraints
von: Ao, Ruicheng, et al.
Veröffentlicht: (2024)

Asynchronous and Stochastic Distributed Resource Allocation
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Decision-Aware Predictive Model Selection for Workforce Allocation
von: Stratman, Eric G., et al.
Veröffentlicht: (2024)

Optimistic Safety for Online Convex Optimization with Unknown Linear Constraints
von: Hutchinson, Spencer, et al.
Veröffentlicht: (2024)

Decoupling Learning and Decision-Making: Breaking the $\mathcal{O}(\sqrt{T})$ Barrier in Online Resource Allocation with First-Order Methods
von: Gao, Wenzhi, et al.
Veröffentlicht: (2024)

Data-Driven Adversarial Online Control for Unknown Linear Systems
von: Liu, Zishun, et al.
Veröffentlicht: (2023)

Online Fair Allocation with Best-of-Many-Worlds Guarantees
von: Yang, Zongjun, et al.
Veröffentlicht: (2024)

Online Resource Allocation with Convex-set Machine-Learned Advice
von: Golrezaei, Negin, et al.
Veröffentlicht: (2023)

The Nonstationary Newsvendor with (and without) Predictions
von: An, Lin, et al.
Veröffentlicht: (2023)

Online Learning and Optimization for Queues with Unknown Demand Curve and Service Distribution
von: Chen, Xinyun, et al.
Veröffentlicht: (2023)

Non-Stationary Online Resource Allocation: Learning from a Single Sample
von: Feng, Yiding, et al.
Veröffentlicht: (2026)

Learning Optimal and Fair Policies for Online Allocation of Scarce Societal Resources from Data Collected in Deployment
von: Tang, Bill, et al.
Veröffentlicht: (2023)

Online Nonstochastic Prediction: Logarithmic Regret via Predictive Online Least Squares
von: Pai, Chih-Fan, et al.
Veröffentlicht: (2026)

Online Fair Allocation of Perishable Resources
von: Banerjee, Siddhartha, et al.
Veröffentlicht: (2024)

Online Convex Optimization with Memory and Limited Predictions
von: Wang, Zhengmiao, et al.
Veröffentlicht: (2024)

Gradient-Variation Online Learning under Generalized Smoothness
von: Xie, Yan-Feng, et al.
Veröffentlicht: (2024)

Learning Invariant Visual Representations for Planning with Joint-Embedding Predictive World Models
von: Toso, Leonardo F., et al.
Veröffentlicht: (2026)

Best Arm Identification with LLM Judges and Limited Human
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Online Control of Linear Systems under Unbounded Noise
von: Ito, Kaito, et al.
Veröffentlicht: (2024)

Reservoir Predictive Path Integral Control for Unknown Nonlinear Dynamics
von: Inoue, Daisuke, et al.
Veröffentlicht: (2025)

Policy Mirror Descent with Temporal Difference Learning: Sample Complexity under Online Markov Data
von: Li, Wenye, et al.
Veröffentlicht: (2025)

Online (Non-)Convex Learning via Tempered Optimism
von: Haddouche, Maxime, et al.
Veröffentlicht: (2023)

High-Dimensional Bayesian Optimization Using Both Random and Supervised Embeddings
von: Priem, Rémy, et al.
Veröffentlicht: (2025)

Which Features are Best for Successor Features?
von: Ollivier, Yann
Veröffentlicht: (2025)

Increasing Both Batch Size and Learning Rate Accelerates Stochastic Gradient Descent
von: Umeda, Hikaru, et al.
Veröffentlicht: (2024)

Linearly Convergent Algorithms for Nonsmooth Problems with Unknown Smooth Pieces
von: Zhang, Zhe, et al.
Veröffentlicht: (2025)

Both Asymptotic and Non-Asymptotic Convergence of Quasi-Hyperbolic Momentum using Increasing Batch Size
von: Imaizumi, Kento, et al.
Veröffentlicht: (2025)

A PAC-Bayes Approach for Controlling Unknown Linear Discrete-time Systems
von: Luo, Yujia, et al.
Veröffentlicht: (2026)

Learning-Based Optimal Control with Performance Guarantees for Unknown Systems with Latent States
von: Lefringhausen, Robert, et al.
Veröffentlicht: (2023)

Solving 0-1 Integer Programs with Unknown Knapsack Constraints Using Membership Oracles
von: Messana, Rosario, et al.
Veröffentlicht: (2024)

Operator World Models for Reinforcement Learning
von: Novelli, Pietro, et al.
Veröffentlicht: (2024)

Sarah Frank-Wolfe: Methods for Constrained Optimization with Best Rates and Practical Features
von: Beznosikov, Aleksandr, et al.
Veröffentlicht: (2023)

On Convergence of Adam for Stochastic Optimization under Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)