连接对抗性与非平稳多臂老虎机
机器学习
2023-11-28 v3 机器学习
摘要
在多臂老虎机框架下，有两种常用于处理时变奖励分布的公式：对抗性老虎机与非平稳老虎机。尽管它们的预言机、算法和遗憾分析差异显著，我们在本文中提供了一个统一公式，将二者作为特例平滑地连接起来。该公式采用在时间窗内取最优固定臂的预言机。根据窗口大小，它分别转化为对抗性老虎机中的后见之明预言机与非平稳老虎机中的动态预言机。我们提供了达到最优遗憾并匹配下界的算法。
引用
@article{arxiv.2201.01628,
title = {Bridging Adversarial and Nonstationary Multi-armed Bandit},
author = {Ningyuan Chen and Shuoguang Yang and Hailun Zhang},
journal= {arXiv preprint arXiv:2201.01628},
year = {2023}
}