在线算法2：classic

星形搜索问题

问题描述

和之前的线性搜索问题类似地，你是一头想要吃草的牛，但是道路变成了$w$叉路口，某一条道路在距离$n$处有一个草场。牛不知道是哪一条道路，也不知道$n$。

确定性算法

• 输入：道路的数量$w$
• 输出：哪一条道路和距起始点的距离

1. 初始化$i=1$
2. 重复一下过程：
   1. $d={\left(\frac{w}{w-1}\right)}^i$
   2. 朝着第$i\mathrm{m}\mathrm{o}\mathrm{d}w$的道路方向走距离$d$，如果找到了就返回；如果没找到，则回到起始点，并更新$i\leftarrow i+1$

（其实线性搜索每一次翻倍，就是这个星形搜索的一个特例。即当$w=2$，就有$\frac{w}{w=1}=2$）

竞争比证明

竞争比是$1+2\cdot \frac{w^w}{(w-1{)}^{(}w-1)}$

和之前的线性搜索类似，使用对手策略。假设草场的位置就在第$j$次尝试的正前方，也就有：

$$\mathrm{O}\mathrm{P}\mathrm{T}={\left(\frac{w}{w-1}\right)}^j+\delta$$

考虑到${\left(\frac{w}{w-1}\right)}^j\le \mathrm{O}\mathrm{P}\mathrm{T}\le {\left(\frac{w}{w-1}\right)}^{j+1}$，这就意味着目标最多在第$(j+w)$次迭代被发现（也就是又轮了一圈）

因此就有：

$$\begin{array}{rl}\mathrm{A}\mathrm{L}\mathrm{G}& \le w\left[\frac{w}{w-1}-{\left(\frac{w}{w-1}\right)}^{j+w}\right](1-w)+\mathrm{O}\mathrm{P}\mathrm{T}\\ & =2\left[-w+\frac{w^{j+w}}{(w-1{)}^{j+w-1}}\right]+\mathrm{O}\mathrm{P}\mathrm{T}\\ & \le 2\left[\frac{w^w}{(w-1{)}^{w-1}}\cdot {\left(\frac{w}{w-1}\right)}^j\right]+\mathrm{O}\mathrm{P}\mathrm{T}\\ & \le \left[1+2\frac{w^w}{(w-1{)}^{w-1}}\right]\cdot \mathrm{O}\mathrm{P}\mathrm{T}\end{array}$$

因此竞争比就是$1+2\frac{w^w}{(w-1{)}^{w-1}}$

电梯问题

问题描述

上楼。坐电梯要花费$E$的时间，而走楼梯要花费$S$的时间。电梯什么时候来并不确定。什么决策可以有最好的竞争比？

算法

• 输入：$E$和$S$
• 输出：等待策略

1. 等待$S-E$的时间：
   1. 如果电梯来了，就坐电梯，那么得到的就是最优解。
   2. 如果电梯没来，就走楼梯，花费$2S-E$的时间（不是最优解）

竞争比

竞争比为$2-\frac{E}{S}$。

---

记$T$是电梯到来的时间。

当$T\le S-E$，那么有$\mathrm{O}\mathrm{P}\mathrm{T}=\mathrm{A}\mathrm{L}\mathrm{G}=T+E$。

当$T>S-E$，那么有$\mathrm{O}\mathrm{P}\mathrm{T}=S$以及$\mathrm{A}\mathrm{L}\mathrm{G}=2S-E$，竞争比显然就是$\frac{2S-E}{S}=2-\frac{E}{S}$

---

不可能有比$2-\frac{E}{S}$更小的竞争比。

对于任意一个确定的算法，记其等待的时间是$W$。

当$W\le S-E$，对$T$进行以下的分类讨论：

	T <= W	W < T < S-E	T >= S-E
ALG	T+E	W+S	W+S
OPT	T+E	T+E	S

其中$\frac{W+S}{T+E}\ge \frac{W+S}{T+E}$是显然的，而$\frac{W+S}{T+E}$在$T=W$时取得最大值，故竞争比为$\frac{W+S}{W+E}$

而该竞争比和最优竞争比的关系如下：
$$\frac{W+S}{W+E}\ge \frac{(S-E)+S}{S}$$

（糖水定理，分子分母同时加了$S-E$）

当$W>S-E$，那么对$T$进行分类讨论：

	T <= S-E	S-E < T < W	T >= W
ALG	T+E	T+E	W+S
OPT	T+E	S	S

显然最大的是$\frac{W+S}{S}$

该竞争比和最优竞争比的关系如下：
$$\frac{W+S}{S}\ge \frac{(S-E)+S}{S}$$

（直接代入即可）

货币兑换问题

问题描述

人民币对美元的汇率是在第$j$天为$p_j$，其中$j\in [1,n]$。在第$n$天会停止交易，如果还有没有兑换的人民币，就必须全部兑换。目标是使得兑换的美元最多，那么应该在那一天兑换呢？

假设已知人民币对美元的汇率的上界和下界$U$和$L$，即对于$j\in [1,n]$，有$L<p_j<U$。

算法

• 输入：$U$、$L$和最后一天$n$（在最后一天到来之前都不知道$n$的值）
• 输出：进行兑换的日期

1. 初始化$p^{\ast }=\sqrt{U\cdot L}$
2. 对于每一天$j\le n$重复：
   1. $p_j$被公布
   2. 如果$j<n$且$p_j\ge p^{\ast }$；或者$j=n$，就在这一天全部兑换

竞争比

记$\varphi =\frac{U}{L}$，竞争比是$\sqrt{\varphi }$。

---

考虑两种情况：

1. 没有任何一天的汇率大于$p^{\ast }$，因此在线算法会按照$p_n$全部兑换，而最优算法会按照${\max }_j{p}_j$进行兑换。
   有$p_n>L$和${\max }_j{p}_j<\sqrt{UL}$，故有竞争比：
   $$\frac{\mathrm{O}\mathrm{P}\mathrm{T}}{\mathrm{A}\mathrm{L}\mathrm{G}}=\frac{{\max }_j{p}_j}{p_n}<\frac{\sqrt{UL}}{L}=\sqrt{\varphi }$$
2. 存在某一天$p_j>p^{\ast }$，记第一个为$p_{j^{\prime }}$。因此在线算法会按照$p_{j^{\prime }}>\sqrt{UL}$全部兑换，而最优算法会按照${\max }_j{p}_j<U$进行兑换，因此有竞争比：
   $$\frac{\mathrm{O}\mathrm{P}\mathrm{T}}{\mathrm{A}\mathrm{L}\mathrm{G}}=\frac{{\max }_j{p}_j}{p_{j^{\prime }}}<\frac{U}{\sqrt{UL}}=\sqrt{\varphi }$$

$n$已知的变种

即使$n$已知，确定性算法的竞争比也不会小于$\sqrt{\varphi }$。

---

$\forall i\in [1,n-1]$，令$p_i=\sqrt{UL}$，而$p_n$用于对手策略之后决定。

1. 如果该确定性算法决定在第$n$天之前进行交易，那么就让$p_n=U$，竞争比就是$\frac{U}{\sqrt{UL}}=\sqrt{\varphi }$
2. 如果该确定性算法决定在第$n$天进行交易，那么就让$p_n=L$，竞争比就是$\frac{\sqrt{UL}}{L}=\sqrt{\varphi }$

只知道$\varphi$的变种

如果不是知道$U$和$L$的具体值，而只是知道其比值$\varphi$，那么竞争比至少是$\varphi$。

---

和上面的类似，$\forall i\in [1,n-1]$，令$p_i=c$（任意一个常量），而$p_n$用于对手策略。如果在线算法并不在第$n$天进行交易，那么就令$p_n=\varphi \cdot c$；如果在线算法在第$n$天进行交易，那么就令$p_n=\frac{1}{\varphi }\cdot c$。