统一聚类与非平稳_bandit问题

非平稳 bandit 与 bandit 在线聚类放宽了上下文 bandit 中的限制性假设，并为许多重要的现实场景提供解决方案。尽管解决这两类问题的本质高度重叠，它们却被独立研究。在本文中，我们以齐性检验（test of homogeneity）的概念将这两支 bandit 研究联系起来，该概念在非平稳 bandit 的变化检测与 bandit 在线聚类的簇识别中，以统一解决框架无缝应对。严格的后悔分析（regret analysis）与广泛实证评估展示了我们所提方案的价值，尤其是其在处理各类环境假设时的灵活性。