具有线性漂移的递增休息型多臂老虎机
机器学习
2025-01-09 v1
摘要
我们考虑非平稳多臂老虎机(multi-arm bandit, MAB)问题,其中每个动作的期望奖励为该动作执行次数的线性函数。我们的主要结果是通过同时给出上界与下界,得到一个紧致的遗憾界 。我们进一步推广所得结果,推导出依赖于奖励线性漂移未知参数的实例相关遗憾界。
引用
@article{arxiv.2501.04403,
title = {Rising Rested MAB with Linear Drift},
author = {Omer Amichay and Yishay Mansour},
journal= {arXiv preprint arXiv:2501.04403},
year = {2025}
}