带参数 h 的汤普森采样研究
机器学习
2017-10-09 v1 信息论
math.IT
摘要
汤普森采样算法是一种用于求解随机多臂赌博机问题的著名贝叶斯算法。在每个时间步，该算法以与各臂成为当前最优臂的概率成比例的概率选择每个臂。我们通过引入一个参数 h 来修改这一策略，该参数改变了某臂成为当前最优臂的概率的重要性。我们证明，对于双臂赌博机问题，汤普森采样的最优性在一定的参数值范围内对这种扰动具有鲁棒性。
引用
@article{arxiv.1710.02174,
title = {A study of Thompson Sampling with Parameter h},
author = {Qiang Ha},
journal= {arXiv preprint arXiv:1710.02174},
year = {2017}
}
备注
12 pages,0 figures