受限控制变量的随机多臂老虎机问题
机器学习
2026-03-03 v1
摘要
受无线网络中干扰或信道状态估计提供的部分见解的启发，我们研究了经典随机多臂老虎机问题的一个变体：学习者仅对辅助信息拥有有限获取权限。近期工作表明，当辅助信息以控制变量形式可用时，可用于获得更紧致的置信区间，从而实现更低的后悔 regret。然而，现有工作假设控制变量在每一轮都可用，这在Several实际场景中可能不现实。为此，我们提出UCB-LCV算法，该算法有效地结合来自奖励和控制变量所得的估计器。当不存在控制变量时，UCB-LCV导致我们提出的一种新算法，即UCB-NORMAL，超越了标准 MAB 设置下使用正态分布奖励的现有算法。最后，我们讨论了适用于一般分布的UCB-LCV变体，并实验性地展示UCB-LCV在多个实验中均优于现有老虎机算法。
引用
@article{arxiv.2603.02100,
title = {Stochastic Multi-Armed Bandits with Limited Control Variates},
author = {Arun Verma and Manjesh Kumar Hanawal and Arun Rajkumar},
journal= {arXiv preprint arXiv:2603.02100},
year = {2026}
}
备注
Accepted at COMSNETS 2026