针对随机与对抗 Bandit 的 EXP3++ 算法的改进参数化与分析

Yevgeny Seldin; Gábor Lugosi

针对随机与对抗 Bandit 的 EXP3++ 算法的改进参数化与分析

机器学习 2017-05-10 v2 机器学习

作者: Yevgeny Seldin , Gábor Lugosi

摘要

我们提出了一种用于多臂 Bandit 随机算法的间隙估计新策略，并将其与 Seldin 和 Slivkins (2014) 的 EXP3++ 算法相结合。在随机环境下，该策略将 regret 对时间视界的依赖从 $(\ln t)^3$ 降低至 $(\ln t)^2$ ，并消除了阶为 $\Delta e^{1/\Delta^2}$ 的加性因子，其中 $\Delta$ 是问题实例的最小间隙。在对抗环境下，regret 保证保持不变。

关键词

多臂 Bandit EXP3++ 算法随机 Bandit 对抗 Bandit 间隙估计 regret 界

引用

@article{arxiv.1702.06103,
  title  = {An Improved Parametrization and Analysis of the EXP3++ Algorithm for Stochastic and Adversarial Bandits},
  author = {Yevgeny Seldin and Gábor Lugosi},
  journal= {arXiv preprint arXiv:1702.06103},
  year   = {2017}
}

相关论文

查看更多相关论文 →