具有污染赌博机反馈的鲁棒帕累托集辨识
机器学习
2024-11-20 v2 应用统计
机器学习
摘要
我们考虑在多目标多臂赌博机（MO-MAB）中具有受污染奖励观测的帕累托集辨识（PSI）问题。每次拉臂时，以某一固定概率，真实奖励样本被对手从任意污染分布中选取的样本所替换。我们考虑（{\alpha}, {\delta}）-PAC PSI，并提出一种基于样本中位数的多目标自适应消除算法，该算法在终止时返回一个（{\alpha}, {\delta}）-PAC帕累托集，其样本复杂度上界依赖于污染概率。随着污染概率减小，我们恢复了MO-MAB中众所周知的样本复杂度结果。我们在若干受对抗污染的PSI问题上，将所提算法与MO-MAB文献中基于均值的方法以及使用中位数估计器的扩展版本进行比较，包括评论轰炸与糖尿病管理。我们的数值结果支持了理论发现，并表明在受污染奖励观测下，鲁棒算法设计对于准确的PSI至关重要。
引用
@article{arxiv.2206.02666,
title = {Robust Pareto Set Identification with Contaminated Bandit Feedback},
author = {İlter Onat Korkmaz and Efe Eren Ceyani and Kerem Bozgan and Cem Tekin},
journal= {arXiv preprint arXiv:2206.02666},
year = {2024}
}