风险感知多臂老虎机研究综述

在临床试验和金融投资组合优化等若干应用中，期望值（或平均奖励）并不能令人满意地刻画药物或投资组合的优劣。在这类应用中，风险起着关键作用， preferable 采用风险感知的性能度量，以在不良事件发生时捕捉损失。本综述旨在整合并总结关于风险度量的现有研究，特别是在多臂老虎机的背景下。我们回顾了各种受关注的风险度量，并评述其性质。接下来，我们回顾了针对各种风险度量的现有集中不等式。然后，我们进而定义风险感知老虎机问题；我们考虑了遗憾最小化设定下的算法（其中体现出探索-利用权衡）以及最优臂识别设定（这是一个纯探索问题）——两者均处于风险敏感度量的背景下。最后，我们评述了持续存在的挑战与值得未来研究的肥沃领域。