具有_bandit_反馈的非随机控制
机器学习
2020-08-14 v1 最优化与控制
机器学习
摘要
我们研究在对抗性扰动下控制线性动力学系统的问题，其中控制器唯一可用的反馈是标量损失，且损失函数本身未知。对于该问题，无论系统已知或未知，我们都给出了一种高效的次线性后悔算法。主要的算法困难在于损失对过去控制的依赖。为克服此问题，我们针对具有记忆的损失函数提出了一种用于 bandit 凸优化一般设置的高效算法，这本身可能具有独立意义。
引用
@article{arxiv.2008.05523,
title = {Non-Stochastic Control with Bandit Feedback},
author = {Paula Gradu and John Hallman and Elad Hazan},
journal= {arXiv preprint arXiv:2008.05523},
year = {2020}
}