针对对抗性 DR-亚调子优化的统一投影自由算法

Mohammad Pedramfar; Yididiya Y. Nadew; Christopher J. Quinn; Vaneet Aggarwal

针对对抗性 DR-亚调子优化的统一投影自由算法

机器学习 2024-04-30 v2 人工智能计算复杂性最优化与控制

作者: Mohammad Pedramfar , Yididiya Y. Nadew , Christopher J. Quinn , Vaneet Aggarwal

摘要

本文引入了面向对抗性连续 DR-亚调子优化的统一投影自由 Frank-Wolfe 类型算法，涵盖全信息、(半-)bandit 反馈、单调与非单调函数、不同约束及随机查询等情形。对于本文所考察的非单调情形，所提出算法要么是首个获得 proven 次线性 $\alpha$ -regret 界限的方法，要么相较于现有方法具有更好的 $\alpha$ -regret 界限，其中 $\alpha$ 为离线情形下的相应近似界限。在单调情形下，所提出的方法在所考察的 7 种情况下均给出了投影自由算法中最好的次线性 $\alpha$ -regret 界限，同时匹配剩余一种情况的结果。此外，本文讨论了对抗性 DR-亚调子优化中的半 bandit 与 bandit 反馈，推进了该优化领域的理解。

关键词

DR-亚调子优化投影自由算法 Frank-Wolfe 对抗性优化 regret 界限

引用

@article{arxiv.2403.10063,
  title  = {Unified Projection-Free Algorithms for Adversarial DR-Submodular Optimization},
  author = {Mohammad Pedramfar and Yididiya Y. Nadew and Christopher J. Quinn and Vaneet Aggarwal},
  journal= {arXiv preprint arXiv:2403.10063},
  year   = {2024}
}

备注

This paper is published in ICLR 2024. This version includes a correction for regret bounds in the full-information zeroth order feedback setting (see the footnote on page 1 for details)

针对对抗性 DR-亚调子优化的统一投影自由算法

摘要

关键词

引用

备注

相关论文