Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Challenges in Competitive Online Optimisation

Projektbeschreibung

Wenn Algorithmen ohne Zukunftsaussicht Entscheidungen treffen

Von Fahrdienst-Apps bis hin zu Datennetzen – viele digitale Systeme müssen spontan Entscheidungen treffen, ohne zu wissen, was als nächstes kommt. Diese Art der Online-Entscheidungsfindung ist zwar das Herzstück der modernen Datenverarbeitung, hat aber immer noch Schwierigkeiten mit der Entwicklung von Strategien für die zuverlässige Handhabung von Unsicherheiten. Das ERC-finanzierte CCOO-Projekt zielt darauf ab, diese Herausforderung anzugehen, indem es sich auf die Theorie der Online-Algorithmen und das schnell wachsende Gebiet der um Lernfähigkeiten erweiterten Algorithmen stützt. Es soll insbesondere untersucht werden, wie durch maschinelles Lernen generierte Vorhersagen als Entscheidungshilfe dienen können, während gleichzeitig starke Sicherheitsvorkehrungen erhalten bleiben, falls diese Vorhersagen nicht eintreffen. CCOO möchte einer neuen Funktionsweise von Algorithmen bei ungewissen Zukunftsaussichten den Weg ebnen, was im digitalen Zeitalter immer häufiger die Realität ist.

Ziel

Online decision-making, characterized by the need to make decisions without knowledge of the future, lies at the heart of numerous applications. Despite its prevalence, our grasp of effective strategies for handling the associated uncertainty remains poor. Through the lens of the established framework of online algorithms as well as the emerging field of learning-augmented algorithms, this project aims to address central challenges in decision making under uncertainty.

While there has been extensive research on online algorithms, many of the field's core challenges remain unresolved. However, several recent discoveries of new algorithmic design and analysis techniques have opened up novel avenues for overcoming previous obstacles.

Alongside these technical advancements, the rise of machine learning is now significantly enriching our toolset for dealing with uncertainty. This has motivated the recent emergence of the field of learning-augmented algorithms. Here, an algorithm's input is augmented with predictions, aiming for near-optimal performance if predictions are reasonably good, while still retaining classical worst-case guarantees even for highly erroneous predictions.

Inspired by these recent developments, this project aims to substantially elevate our understanding of decision-making under uncertainty. The main objectives are (1) to explore new directions around the concept of work functions, (2) to elevate the mirror descent technique into a generic tool for online algorithm design, (3) to develop universal techniques for designing learning-augmented algorithms, and (4) to expand the scope of learning-augmented algorithms to new domains.

The project addresses questions at the forefront of theoretical computer science, building on the PI's recent success in resolving several long-standing problems, and strives for foundational contributions to the timely issue of leveraging machine-learned predictions for improved algorithm design.

Wissenschaftliches Gebiet (EuroSciVoc)

Dieses Projekt wurde noch nicht bei EuroSciVoc klassifiziert.
Schlagen Sie die Wissenschaftsbereiche vor, die Ihrer Einschätzung nach besonders relevant sind, und helfen Sie uns, unseren Klassifizierungsdienst zu verbessern.

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2024-STG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Netto-EU-Beitrag
€ 1 499 828,00
Adresse
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Vereinigtes Königreich
Region
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 1 499 828,00

Begünstigte (1)