一种用于网络瓶颈识别的上下文组合半赌博机方法
机器学习
2023-03-07 v2
摘要
瓶颈识别是网络分析中的一项具有挑战性的任务，尤其是在网络未被完全指定的情况下。为解决该任务，我们开发了一个基于组合半赌博机（combinatorial semi-bandit）的统一在线学习框架，该框架在执行瓶颈识别的同时学习底层网络的规格。在此框架内，我们调整并研究了多种组合半赌博机方法，如 epsilon-greedy、LinUCB、BayesUCB、NeuralUCB 和 Thompson Sampling。此外，我们的框架能够利用以上下文赌博机（contextual bandit）形式提供的上下文信息。最后，我们在道路网络的实际应用上评估了我们的框架，并展示了其在不同设置下的有效性。
引用
@article{arxiv.2206.08144,
title = {A Contextual Combinatorial Semi-Bandit Approach to Network Bottleneck Identification},
author = {Fazeleh Hoseini and Niklas Åkerblom and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:2206.08144},
year = {2023}
}