组合高斯过程老虎机的贝叶斯分析
机器学习
2025-02-13 v3 人工智能
摘要
我们考虑组合波动高斯过程（GP）半老虎机问题。每一轮中，智能体被提供一组可用的基本臂，并必须选择其中的一个子集以最大化长期累积奖励。我们研究了贝叶斯设置，并为三种基于 GP 的算法提供了新的贝叶斯累积遗憾界：GP-UCB、GP-BayesUCB 和 GP-TS。我们的界限将先前关于 GP-UCB 和 GP-TS 的结果扩展到了无限、波动和组合设置，并且据我们所知，我们提供了 GP-BayesUCB 的第一个遗憾界。波动臂涵盖了其他广泛考虑的老虎机问题，如上下文老虎机。此外，我们利用我们的框架解决了在线节能导航这一具有挑战性的现实世界问题，并证明了其相对于替代方案的有效性。
引用
@article{arxiv.2312.12676,
title = {Bayesian Analysis of Combinatorial Gaussian Process Bandits},
author = {Jack Sandberg and Niklas Åkerblom and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:2312.12676},
year = {2025}
}
备注
34 pages, 9 figures. Accepted at ICLR 2025