臂均值在玩家间不同的多人老虎机实用算法

我们研究多人随机多臂老虎机问题，其中玩家无法通信，且若两个或更多玩家拉取同一臂，则发生碰触，相关玩家获得零奖励。我们考虑具有挑战性的异质设定，其中不同臂对不同玩家可能具有不同均值，并提出一种结合利用强制碰触进行隐式通信与执行匹配消除思想的新且高效的算法。我们给出了算法的有限时间分析，给出了该问题的首个次线性极大极小遗憾界，并证明若玩家到臂的最优分配唯一，我们的算法达到最优的 $O(\ln(T))$ 遗憾，解决了 NeurIPS 2018 提出的开放问题。