具有有限可共享资源臂的多玩家多臂老虎机：学习算法与应用
机器学习
2022-04-29 v1
摘要
多玩家多臂老虎机（MMAB）研究去中心化玩家如何协作地玩同一个多臂老虎机，以最大化其总累积奖励。现有 MMAB 模型大多假设当多于一个玩家拉同一臂时，要么发生碰撞并获得零奖励，要么无碰撞并获得独立奖励，这两种情况在实际场景中通常过于受限。在本文中，我们提出一种具有可共享资源的 MMAB，作为碰撞与非碰撞设置的扩展。每个可共享臂具有有限的可共享资源和一个“每负载”奖励随机变量，二者均不为玩家所知。来自可共享臂的奖励等于“每负载”奖励乘以拉该臂的玩家数与该臂最大可共享资源二者中的较小值。我们考虑两类反馈：共享需求信息（SDI）与共享需求感知（SDA），各自提供不同的资源共享信号。我们设计了 DPE-SDI 与 SIC-SDA 算法，分别在上述两类反馈情形下解决可共享臂问题，并证明两种算法均具有关于轮数紧的对数后悔界。我们进行了仿真以验证两种算法的性能，并展示了它们在无线组网与边缘计算中的效用。
引用
@article{arxiv.2204.13502,
title = {Multi-Player Multi-Armed Bandits with Finite Shareable Resources Arms: Learning Algorithms & Applications},
author = {Xuchuang Wang and Hong Xie and John C. S. Lui},
journal= {arXiv preprint arXiv:2204.13502},
year = {2022}
}
备注
To appear at IJCAI 22