基于效用的对决赌博机作为部分监控博弈
机器学习
2024-06-27 v2
摘要
部分监控是一个用于具有不完全反馈的顺序决策的通用框架。它涵盖了一类广泛的问题，例如对决赌博机、带期望建议的学习、动态定价、暗池和标签高效预测。我们将基于效用的对决赌博机问题作为部分监控问题的一个实例进行研究，并证明它符合时间遗憾部分监控层次结构中的简单实例——即 Theta (sqrt{T}) 实例。我们考察了一些部分监控算法，并探讨如何利用它们高效地解决对决赌博机问题。
引用
@article{arxiv.1507.02750,
title = {Utility-based Dueling Bandits as a Partial Monitoring Game},
author = {Pratik Gajane and Tanguy Urvoy},
journal= {arXiv preprint arXiv:1507.02750},
year = {2024}
}
备注
Accepted at the 12th European Workshop on Reinforcement Learning (EWRL 2015)