通信高效的协作式最优臂辨识

我们研究了 top-$m$ 臂辨识这一 bandit 理论中的基本问题，其处于一种多智能体学习模型中，智能体协作学习一个目标函数。我们感兴趣的是设计协作学习算法，以最小通信代价实现最大加速（相较于单智能体学习算法），因为通信经常是多智能体学习中的瓶颈。我们给出了算法性和不可能性结果，并进行了一组实验来证明我们算法的有效性。