面向多预测器 bandit 访问的 MTS 学习增强算法

我们考虑以下问题：我们给定 $\ell$ 个针对度量任务系统 (MTS) 的启发式方法，其中每个方法可能针对不同类型的输入实例而设计。虽然处理收到的输入实例时，我们只能在每个时间步骤查询其中一个启发式方法的动作。我们的目标是实现与给定启发式方法中最佳者相当的性能。我们设置的主要难点在于，除非同一启发式方法在时间 $t-1$ 也被查询，否则无法估计该方法在时间 $t$ 的代价。这与在记忆受限对手环境下的 bandit 学习相关 (Arora 等，2012)。我们展示了如何实现 $O(\text{OPT}^{2/3})$ 的 regret，并证明了基于 Dekel 等 (2013) 构造的紧下界。