动态环境中的 Bandit：对抗性约束下的多臂赌博机
机器学习
2026-01-28 v1
摘要
我们研究了在时变约束下运行的对抗性多臂赌博机这一具有挑战性的问题，该场景由众多实际应用所驱动。为了解决这一复杂场景，我们提出了一种新颖的原始-对偶算法，该算法通过引入合适的梯度估计器和有效的约束处理机制扩展了在线镜像下降。我们提供了理论保证，确立了所提策略的次线性动态遗憾和次线性约束违背。我们的算法在遗憾和约束违背方面均实现了 SOTA 性能。实证评估证明了我们方法的优越性。
引用
@article{arxiv.2601.19867,
title = {Bandits in Flux: Adversarial Constraints in Dynamic Environments},
author = {Tareq Si Salem},
journal= {arXiv preprint arXiv:2601.19867},
year = {2026}
}
备注
Accepted to AISTATS 2026