随机多臂老虎机中的高效聚类
机器学习
2026-01-15 v1 机器学习
摘要
我们研究了固定置信度设置下的 Bandit Clustering (BC) 问题，其目标是在每个时间步通过对自适应选择的臂进行顺序采样，将一组数据序列（臂）分组到簇中，同时确保在停止时具有固定的错误概率。我们考虑了簇内的臂可能具有不同分布的设置。与该设置下假设臂服从高斯分布的现有结果不同，我们研究了满足温和正则性条件的更广泛的向量参数分布类。现有的渐近最优 BC 算法在其每一步的采样规则中需要求解一个优化问题，这在计算上代价高昂。我们提出了一种 Efficient Bandit Clustering 算法 (EBC)，它不求解完整的优化问题，而是在每个时间步向最优值迈出单步，使其在保持渐近最优的同时具有计算高效性。我们还提出了 EBC 的启发式变体 EBC-H，它进一步简化了采样规则，其臂选择基于作为停止规则一部分计算的量。我们通过比较 EBC 和 EBC-H 与现有算法的每样本运行时间，突出了它们的计算效率。通过在合成数据集上的仿真，支持了 EBC 的渐近最优性。通过对合成和现实世界数据集的仿真，我们展示了 EBC 和 EBC-H 相对于现有方法的性能提升。
引用
@article{arxiv.2601.09162,
title = {Efficient Clustering in Stochastic Bandits},
author = {G Dhinesh Chandran and Kota Srinivas Reddy and Srikrishna Bhashyam},
journal= {arXiv preprint arXiv:2601.09162},
year = {2026}
}