随机多臂老虎机中的有界遗憾
统计理论
2013-02-13 v2 机器学习
机器学习
统计理论
摘要
我们研究了随机多臂老虎机问题，其中已知最优臂的值 ，以及最小正间隙 的正下界。我们提出了一种新的随机策略，在该设定下实现了随时间一致有界的遗憾。我们还证明了若干下界，特别表明：若仅已知 ，则无法实现有界遗憾；若仅已知 ，则无法实现阶为 的有界遗憾。
引用
@article{arxiv.1302.1611,
title = {Bounded regret in stochastic multi-armed bandits},
author = {Sébastien Bubeck and Vianney Perchet and Philippe Rigollet},
journal= {arXiv preprint arXiv:1302.1611},
year = {2013}
}