部分监控中通过优化进行探索
机器学习
2019-10-28 v3 最优化与控制
机器学习
摘要
我们针对对抗性臂结果非退化局部可观测部分监控博弈，给出了一个简单高效的算法，其轮极大极小后悔界为，与已知最佳信息论上界相匹配。该算法对于全信息、bandit以及全局可观测博弈也达到了近最优后悔。
引用
@article{arxiv.1907.05772,
title = {Exploration by Optimisation in Partial Monitoring},
author = {Tor Lattimore and Csaba Szepesvari},
journal= {arXiv preprint arXiv:1907.05772},
year = {2019}
}
备注
high probability bounds, experiments and simplified algorithms/analysis