具有受限臂与隐藏状态的多臂赌博机
系统与控制
2017-10-20 v1
摘要
本文考虑臂可用性受限的休息式与 restless 多臂赌博机问题。臂的状态以马尔可夫方式演化，且确切状态对决策者隐藏。首先，我们给出关于值函数的若干结构性结果。基于这些结果，最优策略被证明是一种阈值策略。进一步，我们建立了休息式赌博机的可索引性，并推导出索引公式。通过数值算例，我们展示并比较了索引策略与短视策略的性能。
引用
@article{arxiv.1710.07115,
title = {Multi-armed Bandits with Constrained Arms and Hidden States},
author = {Varun Mehta and Rahul Meshram and Kesav Kaza and S. N. Merchant},
journal= {arXiv preprint arXiv:1710.07115},
year = {2017}
}
备注
17 pages, 2 figures