赌博机及更广领域中兼得对抗与随机最优的黑名单方法

在线学习中兼得对抗与随机两种机制近优遗憾的“两全其美”（best-of-both-worlds）算法近来受到越来越多的关注。现有技术常需针对每个新问题设定进行细致适配，包括专门的势函数与算法参数的精细调节。然而，在线性赌博机等领域，是否存一种算法能在随机机制下取得 $O(\log(T))$ 遗憾、在对抗机制下取得 $\tilde{O}(\sqrt{T})$ 遗憾，至今未知。本文肯定地解决了该问题，并给出了从两全其美到一大类跟随正则化领导者（FTRL）与在线镜像下降（OMD）算法的通用归约。我们通过将仅已知具最坏情况保证的现有算法，转化为在情境赌博机、图赌博机与表格马尔可夫决策过程中具两全其美保证的新算法，展示了该归约的能力。