能量收集中的学习与公平性：一种极大极小多臂老虎机方法
机器学习
2020-06-17 v3 机器学习
摘要
无线射频（RF）能量收集的最新进展使传感器节点能够通过远程为电池充电来延长寿命。节点收集的能量量因其周围环境及与源的接近程度而异。传感器网络的寿命取决于网络中节点可收集的最小能量。因此，学习节点收集的最少能量十分重要，以便源能够在使该能量最大化的频带上传输。我们将此学习问题建模为一种新颖的随机极大极小多臂老虎机（Maximin MAB）问题，并提出一种基于上置信界（UCB）的名为Maximin UCB的算法。Maximin MAB是标准MAB的推广，并享有与UCB1算法相同的性能保证。实验结果验证了算法的性能保证。
引用
@article{arxiv.2003.06213,
title = {Learning and Fairness in Energy Harvesting: A Maximin Multi-Armed Bandits Approach},
author = {Debamita Ghosh and Arun Verma and Manjesh K. Hanawal},
journal= {arXiv preprint arXiv:2003.06213},
year = {2020}
}
备注
To be presented at SPCOM 2020