分布式Bandit学习：近最优遗憾与高效通信

Yuanhao Wang; Jiachen Hu; Xiaoyu Chen; Liwei Wang

分布式Bandit学习：近最优遗憾与高效通信

机器学习 2019-05-30 v2 机器学习

作者: Yuanhao Wang , Jiachen Hu , Xiaoyu Chen , Liwei Wang

摘要

我们研究分布式bandit学习的遗憾最小化问题，其中 $M$ 个智能体在中心服务器的协调下协作以最小化其总遗憾。我们的目标是设计具有近最优遗憾和较低通信代价的通信协议，通信代价由传输数据总量衡量。对于分布式多臂bandit，我们提出一种具有近最优遗憾且仅有 $O(M\log(MK))$ 通信代价的协议，其中 $K$ 为臂的数量。该通信代价与时间范围 $T$ 无关，仅对数依赖于臂的数量，并且除对数因子外与下界匹配。对于分布式 $d$ 维线性bandit，我们提出一种实现近最优遗憾且通信代价为 $\tilde{O}(Md)$ 量级的协议，其仅对数依赖于 $T$ 。

关键词

分布式bandit 遗憾最小化通信代价多臂bandit 线性bandit 中心服务器

引用

@article{arxiv.1904.06309,
  title  = {Distributed Bandit Learning: Near-Optimal Regret with Efficient Communication},
  author = {Yuanhao Wang and Jiachen Hu and Xiaoyu Chen and Liwei Wang},
  journal= {arXiv preprint arXiv:1904.06309},
  year   = {2019}
}

分布式Bandit学习：近最优遗憾与高效通信

摘要

关键词

引用

相关论文