Copeland对决老虎机

研究了一类对决老虎机问题，其中可能不存在Condorcet winner。提出了两种算法，转而寻求最小化相对于Copeland winner的后悔值，与Condorcet winner不同，Copeland winner保证存在。第一种算法Copeland Confidence Bound (CCB)针对少量臂设计，而第二种算法Scalable Copeland Bandits (SCB)在大规模问题上表现更好。我们提供了限制CCB和SCB累积后悔值的理论结果，均大幅改进了现有结果。现有结果要么提供形式为$O(K \log T)$的界限但需要限制性假设，要么提供形式为$O(K^2 \log T)$的界限而不需要此类假设。我们的结果兼得二者优势：无需限制性假设即可得到$O(K \log T)$界限。