联邦在线稀疏决策

本文提出一种新颖的联邦线性上下文老虎机模型，其中各个客户端面对不同的 K 臂随机老虎机，具有高维决策上下文，并通过共同的全局参数相耦合。通过利用线性奖励的稀疏结构，提出一种名为 \texttt{Fedego Lasso} 的协作算法，以在不交换本地决策上下文向量或原始奖励数据的情况下应对客户端间的异质性。\texttt{Fedego Lasso} 依赖于一种新颖的多客户端协作-自利老虎机策略设计，并在共享参数情形下以对数级通信代价实现了近最优后悔。此外，引入了一种称为联邦自我中心策略的新概念工具来刻画探索-利用权衡。实验证明了所提算法在合成与真实世界数据集上的有效性。