序贯社区众数估计

我们考虑一个被划分为若干社区的总体，并研究通过序贯随机采样个体来识别总体中最大社区的问题。存在多个采样域，称为\emph{盒子}，它们同样划分总体。每个盒子可能由不同社区的个体组成，而每个社区又可能分布在多个盒子中。学习智能体可随时从任意选定盒子中（有放回地）采样一个随机个体；采样后，智能体得知被采样个体所属社区，以及该个体此前是否被采样过。智能体的目标是在\emph{固定预算}设定下，通过优化采样策略与决策规则，最小化误识别最大社区的概率。我们提出并分析了该问题的新算法，并建立了任意算法下错误概率的信息论下界。在若干感兴趣的情形中，我们所提算法的错误概率指数衰减率被证明在常数因子内是最优的。所提算法还在真实世界数据集上通过仿真进一步验证。