在线算法是组合优化和理论计算机科学领域的一个重要课题。在线算法的研究趋势在于新模型和新方法。一方面,遗留的各种在线问题需要新的思想和方法去解决;另一方面,大量新颖有意义的模型被提出。本项目的选题正在这两方面。拟研究的困难问题包括在线批处理时间表问题;在线并行任务时间表问题;实时在线时间表问题;3-Server问题。挖掘新方法,新技巧,改善原有方法,并利用其解决这些重要的在线问题,争取有突破性成果。本项目提出松弛在线模型的概念,统一和完善已有的部分信息下的在线算法体系。研究松弛程度对算法效果的本质影响,对若干传统意义下不存在有界算法的在线问题进行松弛,极大改进在线算法的竞争比。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于铁路客流分配的旅客列车开行方案调整方法
一种基于多层设计空间缩减策略的近似高维优化方法
新型树启发式搜索算法的机器人路径规划
"多对多"模式下GEO卫星在轨加注任务规划
二维FM系统的同时故障检测与控制
带等级约束的半在线调度问题模型与算法研究
在线背包问题的相关模型和算法分析
凝聚态物理中逆问题研究的新命题与新方法
基于学习的三维模型结构分析与在线检索问题研究