多臂老虎机中保证固定置信度最佳臂识别的简单序贯消除算法
机器学习
2022-03-17 v5
摘要
我们考虑通过自适应采样找出 个选项（臂）中均值最大者的问题。我们的目标是在尽可能少观测的前提下，确定一种能以固定最小置信度识别最佳臂的规则，即这是多臂老虎机中的固定置信度（FC）最佳臂识别（BAI）。我们在具有 Bernoulli 与 Gaussian 臂的贝叶斯设定下研究此类问题。我们提议使用经典的“每次向量”（VT）规则，该规则在每轮中对每个剩余臂采样一次。我们展示了 VT 如何在我们贝叶斯设定中实现与分析，并可通过提前消除加以改进。我们的分析表明这些算法在先验下保证最优策略。我们还提出并分析了经典“赢者继续”（PW）算法的一个变体。数值结果表明这些规则优于最先进的算法。
引用
@article{arxiv.2106.06848,
title = {Guaranteed Fixed-Confidence Best Arm Identification in Multi-Armed Bandits: Simple Sequential Elimination Algorithms},
author = {MohammadJavad Azizi and Sheldon M Ross and Zhengyu Zhang},
journal= {arXiv preprint arXiv:2106.06848},
year = {2022}
}