合作随机多臂赌博机中的个体遗憾
机器学习
2026-02-04 v3 机器学习
摘要
我们研究了在多个智能体通过任意连通通信图进行通信的随机多臂赌博机（MAB）中的遗憾。我们分析了合作序贯消除算法（COOP-SE）的一个变体，并给出了一个个体遗憾界O(R/m + A² + A√(log T))以及一个几乎匹配的下界。这里A是动作数，T是时间范围，m是智能体数量，R=∑_{Δ_i>0} log(T)/Δ_i是最优单智能体遗憾，其中Δ_i是动作i的次优性差距。我们的工作是第一个在合作随机MAB中展示与通信图直径无关的个体遗憾界的工作。在考虑通信网络时，除了遗憾之外还有其他需要考虑的因素，例如消息大小和通信轮数。首先，我们证明即使将消息限制为对数大小，我们的遗憾界仍然成立。其次，对于对数数量的通信轮次，我们获得了O(R/m + A log T)的遗憾界。
引用
@article{arxiv.2411.06501,
title = {Individual Regret in Cooperative Stochastic Multi-Armed Bandits},
author = {Idan Barnea and Tal Lancewicki and Yishay Mansour},
journal= {arXiv preprint arXiv:2411.06501},
year = {2026}
}
备注
55 pages, 1 figure