短视排序与选择过程的渐近最优性
机器学习
2022-11-29 v1 机器学习
最优化与控制
摘要
排序与选择(R&S)是研究离散事件动态系统的一种流行模型。它旨在从有限集合中选出最优设计(具有最大平均性能的设计),其中每个设计的平均值是未知的,必须通过样本学习。文献中已投入大量研究精力来开发具有优越经验性能的过程并证明其最优性。在这些工作中,短视过程颇为流行。它们使用一种“朴素”的机制,通过迭代且短视地改进目标测度的近似来选择最优设计。尽管它们基于简单启发式且缺乏理论支撑,但被证明极为有效,并且常与后来提出并被证明为渐近最优的过程取得有竞争力的经验性能。本文从理论上分析了这些短视过程,并证明它们也满足R&S的最优性条件,正如其他一些流行的R&S方法一样。这解释了短视过程在各种数值测试中的良好表现,并为高效R&S过程的结构与理论发展提供了良好见解。
引用
@article{arxiv.2211.14723,
title = {Asymptotic Optimality of Myopic Ranking and Selection Procedures},
author = {Yanwen Li and Siyang Gao and Zhongshun Shi},
journal= {arXiv preprint arXiv:2211.14723},
year = {2022}
}