多臂老虎机应用的研究现状
机器学习
2021-01-05 v1 人工智能
摘要
多臂老虎机（Multi-armed bandit）具有同时学习和利用已学知识的优势。这种能力使该方法可应用于不同领域，从以探究不同实验性治疗效应同时最小化患者损失为目标的临床试验，到以最小化网络延迟为目标的自适应路由。本文综述了将老虎机应用于真实场景的最新结果，并总结了各领域的现状。已提出不同技术来解决该问题设定，如 epsilon-greedy、上置信界（UCB）和 Thompson 采样（TS）。我们在此展示这些算法如何被调整以解决探索-利用的不同问题。
引用
@article{arxiv.2101.00001,
title = {Etat de l'art sur l'application des bandits multi-bras},
author = {Djallel Bouneffouf},
journal= {arXiv preprint arXiv:2101.00001},
year = {2021}
}
备注
in French