ANACONDA：面向自适应非平稳 Dueling Bandits 的改进动态遗憾算法

我们研究了非平稳 dueling bandits 问题，并为该问题提供了首个自适应动态遗憾算法。这一研究路线中仅有的两个现有尝试在多个方面存在不足，包括对非平稳复杂度的悲观度量，以及需要了解偏好变化次数的非自适应参数调整。我们开发了一种基于淘汰的重新调度算法来克服这些缺点，并展示了近优的 $\tilde{O}(\sqrt{S^{\texttt{CW}} T})$ 动态遗憾界，其中 $S^{\texttt{CW}}$ 是在 $T$ 轮中 Condorcet 获胜者发生变化的次数。这产生了首个针对未知 $S^{\texttt{CW}}$ 的近优动态遗憾算法。我们进一步研究了其他相关的非平稳性概念，并在对底层偏好模型做出额外假设的情况下，证明了近优的动态遗憾保证。