组合_bandit 分配中群体的排序优先级划分

通过巡护员巡逻防止偷猎可保护濒危野生动物，直接贡献于联合国可持续发展目标 15（陆地生命）。组合 bandit 已被用于分配有限的巡逻资源，但现有方法忽视了每个地点栖息着多种比例不同的物种这一事实，因此一次巡逻对各物种的受益程度不同。当某些物种更为脆弱时，我们理应给予这些动物更多保护；遗憾的是，现有组合 bandit 方法未提供对重要物种进行优先级排序的途径。为弥补这一缺口，（1）我们提出一种新颖的组合 bandit 目标，在奖励最大化的同时考虑物种间的优先级，称之为排序优先级（ranked prioritization）。我们证明该目标可表示为 Lipschitz 连续奖励函数的加权线性和。（2）我们提供 RankedCUCB 算法，用于选择优化该基于优先级目标的组合动作，并证明其达到渐近无遗憾（asymptotic no-regret）。（3）我们利用真实世界野生动物保护数据实证表明，RankedCUCB 使濒危物种的结果改善高达 38%。除适应其他挑战（如防止非法伐木和过度捕捞）外，我们的无遗憾算法解决了带加权线性目标的通用组合 bandit 问题。