探索与利用与安全：风险规避的多臂老虎机
机器学习
2014-01-07 v1
摘要
受能源管理应用的启发，本文提出了多臂风险感知老虎机 (MARAB) 算法。为了限制对风险臂的探索，MARAB 将臂的质量取其条件风险价值 (conditional value at risk)。当用户提供的风险水平趋于 0 时，臂的质量趋于臂分布密度的本质下确界，且 MARAB 趋于旨在寻找具有最大最小值的臂的 MIN 多臂老虎机算法。作为首要贡献，本文在温和假设下对 MIN 算法进行了理论分析，确立了其相对于 UCB 的鲁棒性。该分析得到了广泛实验验证的支持，在人工和现实世界问题上将 MIN 和 MARAB 与 UCB 及最先进的风险感知 MAB 算法进行了比较。
引用
@article{arxiv.1401.1123,
title = {Exploration vs Exploitation vs Safety: Risk-averse Multi-Armed Bandits},
author = {Nicolas Galichet and Michèle Sebag and Olivier Teytaud},
journal= {arXiv preprint arXiv:1401.1123},
year = {2014}
}
备注
16 pages