多目标多臂赌博机中的最优组识别
机器学习
2025-05-26 v1
摘要
我们在多目标多臂赌博机设置中引入了最优组识别问题，其中智能体与具有向量值奖励的臂组进行交互。一组的性能由一个效率向量决定，该向量表示该组在不同维度上可达到的最优奖励。目标是在固定置信度设置下识别最优组的集合。我们研究两种关键形式化：组Pareto集识别，其中最优组的效率向量是Pareto最优的；以及线性最优组识别，其中每个奖励维度具有已知权重，最优组最大化其效率向量条目的加权和。对于这两种设置，我们提出了基于消除的算法，建立了其样本复杂度的上界，并推导了适用于任何正确算法的下界。通过数值实验，我们展示了所提出算法的强实证性能。
引用
@article{arxiv.2505.17869,
title = {Best Group Identification in Multi-Objective Bandits},
author = {Mohammad Shahverdikondori and Mohammad Reza Badri and Negar Kiyavash},
journal= {arXiv preprint arXiv:2505.17869},
year = {2025}
}