关于赌博机固定置信度辨识中的消除策略
机器学习
2022-10-25 v2 机器学习
摘要
用于赌博机辨识的消除算法会依次剪除看似正确的候选答案，直到仅剩一个，其在计算上较为便利，因为随着时间推移问题规模得以缩减。然而，现有的消除策略往往并非完全自适应（它们很少更新其采样规则），且不易扩展到组合设置中，其中答案集在问题维度上呈指数级庞大。另一方面，大多数现有的用于处理一般辨识问题的完全自适应策略计算开销大，因为它们反复检验每个答案的正确性，却从不缩减问题规模。我们表明，自适应方法可被修改以在其停止规则和采样规则中均使用消除，从而兼得两者之长：算法（1）保持完全自适应，（2）其样本复杂度绝不劣于其非消除对应版本，且（3）可证明地尽早消除某些错误答案。我们通过实验证实了这些优势，其中消除显著改善了自适应方法在线性赌博机中最优臂辨识等常见任务上的计算复杂度。
引用
@article{arxiv.2205.10936,
title = {On Elimination Strategies for Bandit Fixed-Confidence Identification},
author = {Andrea Tirinzoni and Rémy Degenne},
journal= {arXiv preprint arXiv:2205.10936},
year = {2022}
}