本论文于2023年发表于计算机顶级会议 KDD 。营销优化对于在线互联网平台的用户增长起着重要作用。现有的研究通常将这个问题表述为预算分配问题，并利用两个完全解耦的阶段，即机器学习（ML）和运筹优化（OR）来解决。然而，ML阶段的学习目标没有考虑下游OR阶段的优化任务，这导致ML阶段模型的预测精度可能与决策质量不呈正相关。因此，降低模型预估误差不一定提升优化任务的决策...
该节内容摘自于《动手学强化学习》第5章 时序差分算法。
前面介绍的动态规划算法要求马尔可夫决策过程是已知的，即要求与智能体交互的环境是完全已知的（例如迷宫或者给定规则的网格世界）。在此条件下，智能体其实并不需要和环境真正交互来采样数据，直接用动态规划算法就可以解出最优价值或策略。这就好比有监督学习任务，如...
该节内容摘自于《动手学强化学习》第3章 马尔可夫决策过程。
当且仅当某时刻的状态只取决于上一时刻的状态时，一个随机过程被称为具有马尔可夫性质，用公式表示为$P(S_{t+1}\vert S_t)=P(S_{t+1}\vert S_1,\cdots,S_t)$。...
该节内容摘自于《动手学强化学习》第2章 多臂老虎机问题。
在多臂老虎机（MAB）问题中，有一个拥有$K$根拉杆的老虎机，拉动每一根拉杆都对应一个关于奖励的概率分布$R$。我们每次拉动其中一个拉杆，就可以从该拉杆对应的奖励概率分布中获得一个奖励$r$。我们在各根拉杆的奖励概率分布位置的情况下，从头...
本论文于2020年发表于知名期刊 INFORMS Journal on Computing 上。
Unit Commitment (UC) 是指对发电机组进行调度的一大类优化问题。在计划周期内的每个小时，决策者需要决定哪些单元应该运行以及它们应该产生多大的电力。每个单元通常具有最...
该文章转载自http://www.matrix67.com/blog/archives/105。
什么是P问题、NP问题和NPC问题
时间复杂度可以简易地分为两个类别。第一个类别包括O(1)、O(log(n))、O...
1. 文章背景
本文主要对Mt/M/ct的排队系统进行建模。其中，顾客到达时间符合参数为$\lambda_t$的泊松分布，服务时间符合参数为$\mu$的负指数分布。本文对时变需求的处理方法是：将一天划分为多个时段，不同时段间到达率不同，同一时段内到达率恒定。
2. 均匀化建模
...