期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于上下文多臂赌博机的边缘计算任务卸载动态定价算法
1
作者 甘楠 付晓东 冯艳 《计算机工程》 北大核心 2025年第10期182-190,共9页
现有边缘计算动态定价算法普遍基于博弈论模型与拍卖机制提出。以最大化服务提供商总收益为优化目标,现有定价算法在事先获取用户效用信息方面面临一定的难度,并且多数拍卖机制在选取价格时倾向于局部最优而非全局最优。针对上述问题,... 现有边缘计算动态定价算法普遍基于博弈论模型与拍卖机制提出。以最大化服务提供商总收益为优化目标,现有定价算法在事先获取用户效用信息方面面临一定的难度,并且多数拍卖机制在选取价格时倾向于局部最优而非全局最优。针对上述问题,提出一种基于上下文多臂赌博机(CMAB)的边缘计算任务卸载动态定价算法。首先,将边缘计算动态定价问题建模为CMAB模型;然后,设计一种基于汤姆森采样(TS)的任务卸载动态定价算法,运用贝叶斯后验来诱导服务提供商进行价格选取,通过每一轮的奖励收益更新对应参数,有效减少了动态定价过程中总收益的亏损值。最后,模拟真实的边缘环境进行实验,验证了定价算法的有效性。仿真实验结果表明,该定价算法在期望累积遗憾值与期望累积收益值方面都优于现有多臂赌博机(MAB)算法和定价算法。 展开更多
关键词 边缘计算 任务卸载 动态定价 上下文多臂赌博机 汤姆森采样
在线阅读 下载PDF
一种核的上下文多臂赌博机推荐算法 被引量:3
2
作者 王鼎 门昌骞 王文剑 《智能系统学报》 CSCD 北大核心 2022年第3期625-633,共9页
个性化推荐服务在当今互联网时代越来越重要,但是传统推荐算法不适应一些高度变化场景。将线性上下文多臂赌博机算法(linear upper confidence bound,LinUCB)应用于个性化推荐可以有效改善传统推荐算法存在的问题,但遗憾的是准确率并不... 个性化推荐服务在当今互联网时代越来越重要,但是传统推荐算法不适应一些高度变化场景。将线性上下文多臂赌博机算法(linear upper confidence bound,LinUCB)应用于个性化推荐可以有效改善传统推荐算法存在的问题,但遗憾的是准确率并不是很高。本文针对LinUCB算法推荐准确率不高这一问题,提出了一种改进算法K-UCB(kernel upper confidence bound)。该算法突破了LinUCB算法中不合理的线性假设前提,利用核方法拟合预测收益与上下文间的非线性关系,得到了一种新的在非线性数据下计算预测收益置信区间上界的方法,以解决推荐过程中的探索–利用困境。实验表明,本文提出的K-UCB算法相比其他基于多臂赌博机推荐算法有更高的点击率(click-through rate,CTR),能更好地适应变化场景下个性化推荐的需求。 展开更多
关键词 个性化推荐 变化场景 多臂赌博机 线性上下文多臂赌博机 核方法 点击率 非线性 探索–利用困境
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部