极小探索分配策略的渐近行为：几乎必然、任意缓慢增长的悔值

本文旨在通过建立与两类简单分配策略$\pi$相关的样本（或“伪”）悔值的概率为1的有限时域界和收敛速率，来进一步理解序列分配（“随机多臂老虎机”，即MAB）问题的结构。对于任何缓慢增长函数$g$，在温和正则性约束下，我们构造了两种策略（$g$-Forcing 和 $g$-Inflated Sample Mean），它们实现了阶为$O(g(n))$的悔值度量（当$n \to \infty$时几乎必然，上下界均成立）。此外，还建立了余项项的几乎必然上下界。在此处的构造中，函数$g$有效地控制了经典“探索/利用”权衡中的“探索”。