Scifaro

中文

汤普森采样：渐近最优的有限时间分析

机器学习 2012-07-20 v2 机器学习

作者: Emilie Kaufmann , Nathaniel Korda , Rémi Munos

在 arXiv 上查看 ↗ PDF ↗

摘要

关于汤普森采样解决随机多臂赌博机问题的最优性问题自1933年以来一直悬而未决。在本文中，我们针对伯努利奖励的情况给出了肯定回答，提供了第一个有限时间分析，匹配了Lai和Robbins累积遗憾下界给出的渐近率。证明附有与其他最优策略的数值比较，这些实验在伯努利情况下直到现在在文献中一直缺失。

关键词

汤普森采样随机多臂赌博机伯努利奖励有限时间分析渐近最优性累积遗憾

引用

@article{arxiv.1205.4217,
  title  = {Thompson Sampling: An Asymptotically Optimal Finite Time Analysis},
  author = {Emilie Kaufmann and Nathaniel Korda and Rémi Munos},
  journal= {arXiv preprint arXiv:1205.4217},
  year   = {2012}
}

备注

15 pages, 2 figures, submitted to ALT (Algorithmic Learning Theory)