兼具对决与拉取操作的阈值赌博机问题
机器学习
2020-06-16 v2 机器学习
摘要
阈值赌博机问题（TBP）旨在找出均值奖励大于给定阈值的臂集合。我们考虑TBP的一种新设置，其中除拉取臂外，还可以对决两个臂并获得均值较大的那个臂。在我们来自众包的激励应用中，对决两个臂比直接拉取更具成本效益且更省时。我们将此问题称为带对决选择的TBP（TBP-DC）。本文提供了一种称为Rank-Search（RS）的算法，通过排序与二分搜索交替来解决TBP-DC。我们证明了RS的理论保证，并给出下界以表明其最优性。实验表明RS优于仅使用拉取或对决的先前基线算法。
引用
@article{arxiv.1910.06368,
title = {Thresholding Bandit Problem with Both Duels and Pulls},
author = {Yichong Xu and Xi Chen and Aarti Singh and Artur Dubrawski},
journal= {arXiv preprint arXiv:1910.06368},
year = {2020}
}
备注
15 pages, 8 figures; The 23rd International Conference on Artificial Intelligence and Statistics