全带宽反馈下非单调随机次模最大化的随机贪婪学习

我们研究了在无约束组合多臂老虎机中，具有全带宽反馈和随机奖励的次模最大化问题。先前工作在假设奖励函数次模且单调的前提下研究同一问题。本工作中，我们研究更一般的问题，即奖励函数不一定单调，且次模性仅依期望成立。我们提出随机贪婪学习（RGL）算法，并从理论上证明对于时域长度 $T$ 与臂数 $n$，其达成 $\frac{1}{2}$-后悔上界 $\tilde{\mathcal{O}}(n T^{\frac{2}{3}})$。我们亦通过实验表明，在次模与非次模设定下，RGL 在经验上均优于其他全带宽变体。