基于 EVaR 准则的最优臂识别
机器学习
2025-10-07 v1
摘要
我们研究了在 Entropic Value-at-Risk (EVaR) 准则下，针对多臂老虎机 (MAB) 框架内的固定置信度最佳臂识别 (BAI) 问题。我们的分析考虑了非参数设置，允许奖励分布受 [0,1] 区间内的约束。这一表述正好满足了风险规避决策在高风险环境（如金融领域）中，超越简单期望值优化的关键需求。我们提出了一种 -正确的Track-and-Stop 算法，并推导了相应的样本复杂度下界，我们证明了该下界在渐近意义上被算法所匹配。我们算法的实现以及下界的刻画都需要求解一个复杂的凸优化问题以及一个相关的、较简单的非凸问题。
引用
@article{arxiv.2510.04728,
title = {EVaR-Optimal Arm Identification in Bandits},
author = {Mehrasa Ahmadipour and Aurélien Garivier},
journal= {arXiv preprint arXiv:2510.04728},
year = {2025}
}