ICMLJul, 2014

组合多臂老虎机及其对概率触发臂的扩展

PDF
TL;DR该研究提出了一种通用的组合多臂赌博问题框架，将未知分布的基础臂组成超级臂进行玩耍，进一步探讨了更多可能基于已激发臂的结果触发概率的扩展，旨在通过在线学习算法实现最小化（α，β）- 逼近遗憾。
combinatorial multi-armed banditsuper armsoffline approximation oracleonline learning algorithmregret analysis
发现论文，激发创造
  • 应用于逐步强化学习和其他领域的组合多元多臂赌博机

    引入一种新的组合多臂赌博梳理 (CMAB) 框架，具有多维和概率触发的臂 (CMAB-MT)，其中每个臂的结果是一个 d 维多维随机变量，反馈遵循普通臂触发过程。

    Jun, 2024

  • 具有一般奖励函数的组合多臂赌博机

    本文研究了随机组合多臂赌博机框架，提出了一种名为 SDCB 的新算法，该算法估计底层随机变量的分布和它们的随机显著性置信区间，并证明了 SDCB 可以实现 O (logT) 的分布相关遗憾和 $ ilde {O}(√T)$ 的分布无关遗憾，并将所得结果应用于 $K$-MAX 问题。

    Oct, 2016

  • 具上下文的组合赌博机、概率挑战的手臂

    本文针对情境组合赌博问题，提出了一种具有触发概率和方差自适应的算法，并给出了相应的遗憾界。在合成和真实世界数据集上的实验结果表明算法的优越性。

    Mar, 2023

  • 组合多臂赌博机上的对抗性攻击

    研究了组合多臂赌博机上的奖励污染攻击，提供了攻击条件和攻击算法，并验证了理论结果通过实验。

    Oct, 2023

  • 概率触发手臂组合半赌博算法的遗憾上界优化及应用

    该论文研究具有概率触发臂的组合多臂赌博机 (CMAB-T) 和半弱馈反的问题，将触发概率调制 (TPM) 条件引入 CMAB-T 框架中以达到更好的遗憾界限，并发现许多应用程序如影响最大化赌博机和组合级联赌博机满足 TPM 条件。此外，本文提供了下限结果，表明这种条件对于消除 $1/p^*$ 因子是至关重要的。

    Mar, 2017

  • 概率触发臂或独立臂组合半匪徒问题的无关批量大小的后悔界限

    本研究探讨组合良带 (Bandits) 的算法，针对其大小批次 (K) 对后悔束缚的依赖性进行优化，发现一种可替代平滑性条件的新型触发概率和方差调节 (TPVM) 条件，进行后悔分析并提出基于置信区间和方差的 BCUCB-T 算法，将大小批次 (K) 的项降低至对数级别，并在非触发 CMAB 中将其完全去除。实验结果表明，我们的算法在不同领域具有优越的性能。

    Aug, 2022

  • 具公平约束的组合式睡眠赌博机

    提出针对多臂赌博机模型（MAB）的新型组合睡眠 MAB 模型。通过扩展在线学习算法 UCB 以处理利用和探索之间的权衡，同时采用虚拟队列技术来正确处理公平性约束。最终提出一种名为 LFG 的新算法，可保证可行性最优，具有受时间平均后悔上限约束的时间复杂度，并进行了广泛的模拟以证明其有效性。

    Jan, 2019

  • 因果抽象多臂赌博机

    将传输学习应用于因果抽象多臂赌博机，研究算法学习和后悔度，以解决在线广告相关的现实场景。

    Apr, 2024

  • 适应离线算法来解决带有固定反馈的组合多臂赌博问题的框架

    该研究针对随机、组合式多臂老虎机问题，提出了一种将离线算法转化为基于有限老虎机反馈的子线性 α 遗憾策略的框架，并将其应用于离散优化问题中的基数问题和背包约束问题中获得了良好的表现。

    Jan, 2023

  • 基于图的赌博机学习

    本论文研究了一种称为图赌博机的多臂赌博机扩展问题，提出了一种能够利用乐观原则平衡长期探索与开发的学习算法 G-UCB，并证明其能够达到理论最优的遗憾界，数值实验结果表明该算法优于其他基准算法。

    Sep, 2022