因果bandits中的图学习次优

我们研究了在因果带环问题中进行regret最小化的情形，假设代理人不知道底层因果结构。以前的工作集中于识别奖励的父节点，然后应用经典bandit方法，或在最小化regret的同时联合学习父节点。我们检验了此类策略是否最优。颇具反常性的是，我们的结果表明，学习父节点集次优。我们通过证明存在情形，其中regret最小化与父节点识别在根本上存在冲突，从而进一步分析已知和未知父节点集大小的情形，建立新的regret下界以捕捉动作空间的组合结构。基于这些见解，我们提出近乎最优的算法，绕过图和父节点恢复，表明父节点识别对regret最小化确实不必要。实验确认，在各种环境中，我们的方法与现有基线之间存在显著的性能差距。