📖 AI 总结

本文研究可复用资源下的在线任务分配问题，场景涵盖同行评审分配、技能呼叫路由、网约车匹配、应急调度与众包等：任务按几何过程到达，须立即分配给暂时忙碌的服务器，收益取决于任务—服务器组合，目标是最大化长期平均收益。作者将该问题建模为上下文无休止多臂老虎机，推导出占据测度线性规划上界，并由其对偶得到闭式指数策略Lag。论文引入服务器副本数与每步到达数同步增长的缩放机制，首次给出上下文老虎机的确定性流体极限，并证明Lag在该极限下渐近最优。在同行评审数据集与呼叫中心路由上的实验显示，Lagrangian指数可达LP上界的83%至99%，且显著优于贪心分配，在期刊数据上收益提升最高12.3%，在结构化合成实例上提升达36%。

🔑 关键词速览