按时且在预算内：代理工作流的约束驱动在线资源分配

代理系统通过执行编排工作流解决复杂请求，但实际部署常受限于具体预算和截止时间。本文研究约束驱动的代理工作流在线资源分配问题，旨在最大化在明确约束下成功完成工作流的概率。作者将该问题建模为有限视界随机在线分配问题，并提出“蒙特卡洛组合规划”（MCPP）。这是一种轻量级闭环规划器，通过模拟工作流执行直接估计约束完成概率，并根据观测结果重新规划。实验表明，MCPP 在多种约束下显著优于强基线方法。