- k-SERVER问题是在线算法中一个经过深入研究的问题，但由于简化的假设，其在现实世界中的适用性有限。 - k-FOOD问题是k-SERVER问题的一个现实的泛化，模拟了食品配送等真实场景。 - FAIR k-FOOD问题是为了解决在线平台中的公平性而提出的，其目标是最大化任何服务器所获得的最小奖励。 - k-FOOD和FAIR k-FOOD问题都被证明是强NP难的。 - 提出了FAIR k-FOOD问题的最优离线算法和在线算法DOC4FOOD。 - 在真实和合成数据集上的实验显示了所提算法与最先进的公平食品配送算法的有效性。 - 介绍了k-SERVER问题的两个泛化版本：k-FOOD和FAIR k-FOOD。 - 这些问题是强NP难的，并开发了离线最优解FLOWMILP和FLOWMILP(2S)。 - 提出了基于启发式的在线算法DOC4FOOD。 - 进行了广泛的实验，展示了不同离线和在线算法的性能。 - 希望该研究能为增强在线算法、在线算法的公平性以及约束优化的深度学习等相关问题奠定基础。