具有边观测的随机图赌博机学习
机器学习
2024-01-09 v2
摘要
本文研究具有一般函数空间和图反馈的随机上下文赌博机问题。我们提出了一种算法，通过自适应底层图结构与奖励间隙来解决该问题。据我们所知，我们的算法是首个在该随机设定下提供依赖于间隙的上界的，弥补了[35]中工作留下的研究空白。与[31,33,35]相比，我们的方法提供了改进的悔值上界，且不需要图结构量的知识。我们进行数值实验，以在悔值上界方面证明我们方法的计算效率与有效性。这些发现凸显了我们的算法在推进具有图反馈的随机上下文赌博机领域的重要性，为各领域的实际应用开辟了途径。
引用
@article{arxiv.2308.15107,
title = {Stochastic Graph Bandit Learning with Side-Observations},
author = {Xueping Gong and Jiheng Zhang},
journal= {arXiv preprint arXiv:2308.15107},
year = {2024}
}
备注
contextual bandit, graph feedback