两全其美：随机与对抗赌博机
机器学习
2012-02-22 v1 数据结构与算法
摘要
我们提出了一种新的赌博机算法 SAO（随机与对抗最优），其遗憾在对抗奖励和随机奖励下本质上都是最优的。具体而言，SAO 结合了 Exp3（Auer 等，SIAM J. on Computing 2002）的平方根最坏情况遗憾和 UCB1（Auer 等，Machine Learning 2002）在随机奖励下的（多）对数遗憾。对抗奖励和随机奖励是（非贝叶斯）多臂赌博机文献中的两种主要设定。先前关于多臂赌博机的工作将它们分开处理，并未尝试同时优化两者。我们的结果属于一个总体主题：在实现良好最坏情况性能的同时，利用“良好”的问题实例，这是设计具有部分已知输入的算法中的一个重要问题。
引用
@article{arxiv.1202.4473,
title = {The best of both worlds: stochastic and adversarial bandits},
author = {Sebastien Bubeck and Aleksandrs Slivkins},
journal= {arXiv preprint arXiv:1202.4473},
year = {2012}
}