二维空间有界立方体与超立方体在线打包算法优化

本文探讨的是2空间有界立方体和超立方体包装的在线算法问题。在这个问题中，研究者关注的是将d维（d≥3）的立方体物品（如正方体或超立方体）最小化地装入一序列无限数量的单个面为单位长度的d维立方体容器中。与经典的背包问题有所区别，这里的限制条件是时间进程中，任何时候只能有两个容器是活动的。这意味着在打包过程中，每个物品需要被正交放置，且不能与其他已放置的物品重叠。 算法设计的核心是考虑一个非线性物品输入模式，即每个物品的到来都是独立的，没有关于后续物品的信息。这增加了问题的复杂性，因为算法必须实时决策，适应未知的物品尺寸和数量。研究者借鉴了先前工作中的砖块划分技术，这种方法可能在处理二维情况（如平方砖块）时展现出优势，但如何将其扩展到高维立方体是一个挑战。 在线算法的目标是找到一种策略，能在面对不断到来的物品时动态调整容器使用，以达到最优的总体空间利用率。这种问题在实际应用中有着广泛的意义，例如在数据中心存储、货物装载优化或者虚拟机调度等领域，需要高效利用有限的资源并处理不确定性。 作者Xiaofan Zhao来自北京交通大学计算机与信息技术学院，而Hong Shen则来自中山大学信息科学与技术学院，他们的合作旨在通过理论分析和实验验证，提出适用于这个特定问题的高效在线算法，为未来解决类似的空间限制下的资源分配问题提供新的视角和方法。这篇研究论文对于理解在线算法设计、优化多维空间利用率以及探索适应性策略具有重要的学术价值。