基于无记忆采样器的低秩结构多臂老虎机纯探索

在本文中，我们考虑纯探索问题奖励序列的低秩结构。首先，我们提出纯探索问题中的分离设定，其中探索策略无法接收其探索的反馈。由于这种分离，它要求探索策略无记忆地采样臂。通过引入奖励向量的核信息，我们针对时变和固定两种情况给出了高效算法，其遗憾界为$O(d\sqrt{(\ln N)/n})$。然后，我们给出了具有低秩序列的多臂老虎机纯探索的下界。我们的上界与下界之间存在$O(\sqrt{\ln N})$的差距。