具有连续可分离奖励函数的组合纯探索及其运用（扩展版）
机器学习
2018-05-07 v1 机器学习
摘要
我们在随机多臂老虎机设定下研究具有连续可分离奖励函数（CPE-CS）的组合纯探索问题。在一个 CPE-CS 实例中，给定若干具有未知分布的随机臂，以及一组可能决策。每个决策依据各臂分布有一个奖励。目标是以尽可能少的臂样本辨识出具有最大奖励的决策。该问题推广了近年来受到显著关注的有线性奖励的组合纯探索问题。本文中，我们提出一种针对 CPE-CS 问题的自适应学习算法，并分析其样本复杂度。特别地，我们引入称为一致最优性硬度的新硬度度量，并给出样本复杂度的上下界。此外，我们给出示例以表明我们的解有能力处理非线性奖励函数。
引用
@article{arxiv.1805.01685,
title = {Combinatorial Pure Exploration with Continuous and Separable Reward Functions and Its Applications (Extended Version)},
author = {Weiran Huang and Jungseul Ok and Liang Li and Wei Chen},
journal= {arXiv preprint arXiv:1805.01685},
year = {2018}
}
备注
conference version accepted by IJCAI-ECAI-18