基于随机多臂老虎机的在线实验设计综述

自适应与序贯实验设计是众多领域中研究充分的领域。我们综述并综合了称为多臂老虎机(multi-armed bandit)的在线统计学习范式的工作，将现有研究整合作为某类在线实验的资源。我们首先探讨多臂老虎机的传统随机模型，随后探讨该模型的复杂化分类方案，将每种复杂化关联到实验设计背景下的特定需求或考量。最后，在文末我们呈现了所有研究算法的已知后悔上界表格，为未来理论工作提供视角，并为寻求理论保证的从业者提供决策工具。