非随机多玩家多臂老虎机：有碰撞信息的最优速率与无碰撞信息的亚线性速率
机器学习
2019-05-03 v2 多智能体系统
机器学习
摘要
我们考虑（协作式）多玩家多臂老虎机问题的非随机版本。该模型假设玩家之间完全不通信，并且当两名（或更多）玩家选择相同动作时会导致最大损失。我们证明了在该问题中，于碰撞向碰撞玩家宣告的反馈模型下，首个 型后悔保证。即便对于更简单的随机版本，此类界此前也未知。我们还证明了在无法获得碰撞信息的反馈模型下的首个亚线性保证，即 ，其中 为玩家数量。
引用
@article{arxiv.1904.12233,
title = {Non-Stochastic Multi-Player Multi-Armed Bandits: Optimal Rate With Collision Information, Sublinear Without},
author = {Sébastien Bubeck and Yuanzhi Li and Yuval Peres and Mark Sellke},
journal= {arXiv preprint arXiv:1904.12233},
year = {2019}
}
备注
27 pages, v2 adds a pseudorandom generator construction to remove the shared randomness assumption in the $\sqrt{T}$-regret result (Section 3.9)