联邦 X 臂_bandit
机器学习
2023-05-16 v3 机器学习
摘要
本工作建立了首个联邦 -armed bandit 框架，其中不同客户端面对定义在同一域上的异质局部目标函数，且需要协作找出全局最优解。我们针对此类问题提出首个联邦算法，名为 \texttt{Fed-PNE}。通过利用分层划分中全局目标的拓扑结构以及弱平滑性，我们的算法在客户端数量与评估预算两方面均实现了次线性累积遗憾。同时，它仅需要中央服务器与客户端之间进行对数级通信，保护了客户端隐私。在合成函数与真实数据集上的实验结果验证了 \texttt{Fed-PNE} 相对于多种集中式与联邦基线算法的优势。
引用
@article{arxiv.2205.15268,
title = {Federated X-Armed Bandit},
author = {Wenjie Li and Qifan Song and Jean Honorio and Guang Lin},
journal= {arXiv preprint arXiv:2205.15268},
year = {2023}
}