具有碰撞相关奖励分布的多玩家多臂老虎机
信息论
2021-09-01 v1 机器学习
信号处理
math.IT
机器学习
摘要
我们研究一种新的随机多玩家多臂老虎机（MP-MAB）问题，其中若臂上发生碰准则奖励分布发生改变。现有文献总是假设碰撞发生时相关玩家的奖励为零，但对于认知无线电等应用，更现实的场景是碰撞降低了平均奖励但不一定降至零。我们关注更实用的无感知设置，即玩家无法直接感知碰撞，并提出了纠错碰撞通信（EC3）算法，该算法将隐式通信建模为噪声信道上的可靠通信问题，并利用随机编码误差指数建立了任何通信协议都无法超越的最优后悔界。最后，优化码长与解码错误率之间的权衡得到了接近集中式 MP-MAB 后悔值的后悔值，后者代表一个自然下界。在合成和真实世界数据集上使用实用纠错码的实验证明了 EC3 的优越性。特别地，结果表明编码方案的选择对后悔性能有深远影响。
引用
@article{arxiv.2106.13669,
title = {Multi-player Multi-armed Bandits with Collision-Dependent Reward Distributions},
author = {Chengshuai Shi and Cong Shen},
journal= {arXiv preprint arXiv:2106.13669},
year = {2021}
}
备注
17 pages, 14 figures. Accepted to IEEE Transactions on Signal Processing