协作随机多玩家多臂老虎机：无通信且无碰撞的最优后悔界
机器学习
2020-11-10 v1 多智能体系统
机器学习
摘要
我们考虑随机多臂老虎机问题的协作多玩家版本。我们研究玩家无法通信但可访问共享随机性的情形。在首位两位作者的先前工作中，针对两名玩家和三条臂构建了该情形下的一种策略，其后悔为 ，且玩家之间完全无碰撞（以极高概率）。本文中我们证明这些性质（近最优后悔与完全无碰撞）对于任意数量的玩家和臂均可实现。在高层级上，先前的策略严重依赖一种难以在高维推广的二维几何直觉，而此处我们采取更具组合性的路径来构建新策略。
引用
@article{arxiv.2011.03896,
title = {Cooperative and Stochastic Multi-Player Multi-Armed Bandit: Optimal Regret With Neither Communication Nor Collisions},
author = {Sébastien Bubeck and Thomas Budzinski and Mark Sellke},
journal= {arXiv preprint arXiv:2011.03896},
year = {2020}
}