Clus-UCB：一种用于聚类多臂老虎机的近最优算法
机器学习
2025-08-20 v2
摘要
我们研究了一种随机多臂老虎机设置，其中臂被划分为已知聚类，使得同一聚类内臂的平均奖励差异最多为一个已知阈值。虽然聚类结构是先验已知的，但臂的均值未知。我们推导出了遗憾度的渐近下界，该下界改进了 Lai & Robbins (1985) 的经典界限。然后我们提出了 Clus-UCB，这是一种有效算法，在渐近意义上紧密匹配该下界。Clus-UCB 旨在利用聚类结构，并引入了一个新的指标来评估臂，该指标依赖于同一聚类内的其他臂。通过这种方式，臂之间共享信息。我们展示了算法的仿真结果，并将其性能与 KL-UCB 以及其他著名的具有相关臂的老虎机算法进行了比较。最后，我们指出了这项工作的一些局限性，并提及了一些可能的未来研究方向作为总结。
引用
@article{arxiv.2508.02909,
title = {Clus-UCB: A Near-Optimal Algorithm for Clustered Bandits},
author = {Aakash Gore and Prasanna Chaporkar},
journal= {arXiv preprint arXiv:2508.02909},
year = {2025}
}