English(EN) Robust Non-Clairvoyant Scheduling with Classification Models

新框架利用分类模型应对调度不确定性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-03 04:00

研究人员开发了一个用于计算机科学中鲁棒的非先知调度的框架。该方法使用分类模型来处理作业处理时间的不确定性，这些不确定性直到作业完成时才可知。该方法将不确定性表征为预测类别内的排列，避免了传统鲁棒指标（如最小-最大遗憾）的计算复杂性。研究提出了最优非自适应算法和自适应/随机化算法，并证明了它们在不同矩阵结构下的有效性。 AI

影响为处理调度问题中的不确定性引入了一种新颖的算法方法，有可能提高依赖于复杂作业管理的系统的效率。

排序理由该条目是一篇提交到 arXiv 的研究论文，详细介绍了一个新的算法框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 5 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇提交到 arXiv 的研究论文，详细介绍了一个新的算法框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Anthony Dugois, Vincent Fagnon, Giorgio Lucarelli · 2026-10-03 04:00

具有分类模型的鲁棒非预知调度

arXiv:2610.01343v1 Announce Type: new Abstract: We study the classical single-machine scheduling problem of minimizing the sum of completion times of jobs in a non-clairvoyant setting, where the processing time of each job remains unknown until its completion. This is a hard prob…

本文如何被排名

报道来源 [1]

具有分类模型的鲁棒非预知调度

相关实体

相关话题