随机多臂老虎机中的广义风险规避
机器学习
2014-05-06 v1 机器学习
摘要
我们考虑在随机多臂老虎机中最小化遗憾的问题，其中臂的优劣度量不是平均回报，而是均值和方差的某个广义函数。我们刻画了学习成为可能的条件，并给出了没有任何自然算法能够实现次线性遗憾的示例。
引用
@article{arxiv.1405.0833,
title = {Generalized Risk-Aversion in Stochastic Multi-Armed Bandits},
author = {Alexander Zimin and Rasmus Ibsen-Jensen and Krishnendu Chatterjee},
journal= {arXiv preprint arXiv:1405.0833},
year = {2014}
}