具有无限制延迟的 Thompson 采样
机器学习
2022-05-24 v2 统计理论
统计方法学
统计理论
摘要
我们研究了在具有延迟反馈的随机多臂老虎机问题中 Thompson 采样的性质。在独立同分布延迟的设置下，我们建立了据我们所知首个针对具有任意延迟分布（包括期望无界的分布）的 Thompson 采样的后悔界。我们的界在性质上可与通过专门算法得到的最佳可用界相媲美，并且仅通过延迟分布的选定分位数依赖于延迟。此外，在广泛的模拟实验中，我们发现 Thompson 采样优于许多替代方案，包括专门为延迟反馈设置设计的方法。
引用
@article{arxiv.2202.12431,
title = {Thompson Sampling with Unrestricted Delays},
author = {Han Wu and Stefan Wager},
journal= {arXiv preprint arXiv:2202.12431},
year = {2022}
}