基于Kullback-Leibler散度的多臂老虎机问题有限时间分析
统计理论
2011-06-01 v1 统计理论
摘要
我们考虑了一种针对有限支撑分布（无需预先已知）下随机多臂老虎机问题的基于Kullback-Leibler散度的算法，其渐近遗憾值与\cite{Burnetas96}的下界相匹配。我们的贡献在于对该算法进行了有限时间分析；我们得到的界，其主要项小于先前已知具有有限时间分析的算法（如UCB型算法）的主要项。
引用
@article{arxiv.1105.5820,
title = {A Finite-Time Analysis of Multi-armed Bandits Problems with Kullback-Leibler Divergences},
author = {Odalric-Ambrym Maillard and Rémi Munos and Gilles Stoltz},
journal= {arXiv preprint arXiv:1105.5820},
year = {2011}
}