通信对非合作多人多臂老虎机问题的影响
机器学习
2017-11-07 v1
摘要
我们考虑具有多名玩家且玩家间通信概率不同的分散式随机多臂老虎机问题。每名玩家在不合作的情况下决策拉取一个臂以最大化其奖励，但在每轮结束时将其拉取的臂及所得奖励告知邻居。玩家的邻居依据每轮开始时重新生成的 Erdos-Renyi 图确定。我们考虑由伯努利分布生成的独立同分布奖励，并假设玩家不知道各臂的概率分布及其均值。在碰撞情形下，我们假设仅被随机选中的一名玩家获得奖励，其余玩家获得零奖励。我们利用知名算法 UCB1、epsilon-Greedy 与 Thompson Sampling 研究连通性（即玩家间通信程度）对累积后悔的影响。
引用
@article{arxiv.1711.01628,
title = {The Effect of Communication on Noncooperative Multiplayer Multi-Armed Bandit Problems},
author = {Noyan Evirgen and Alper Kose},
journal= {arXiv preprint arXiv:1711.01628},
year = {2017}
}
备注
This work has been accepted to the 2017 IEEE ICMLA