May, 2015

分散式多人多臂搶錢機中的遺憾最小學習

PDF
TL;DR该研究考虑了单人和多人多臂老虎机模型的学习问题，提出了两种可分散策略，即 E³ (立方) 和 E³-TS，它们显示出预期遗憾增长的上限为 O (log^(1+ε) T)，并解决了分散的在线学习所产生的附加成本问题。
multi-armed banditsonline learningdecentralized policiesregretexpected reward
发现论文，激发创造
  • 异步多人赌博机中的常数或对数遗憾

    研究了多人赌注问题在异步设备中的实际应用和中心化算法的最小化后悔值，介绍了谨慎贪婪算法并证明其在数据依赖术语方面是最优的。

    May, 2023

  • 多人多臂赌博机的分布式学习

    本文研究了一种分散式多臂搏击器的问题，提出了一种达到最优秩序并确保公平性的分散式政策，并证明了其总遗憾增长速率的下限，这个问题在认知无线电网络，多通道通信系统，多智能体系统，网络搜索和广告以及社交网络等领域有潜在的应用。

    Oct, 2009

  • 多阶段系统的分布式无悔学习与端到端强化学习反馈

    本文研究具有端到端赌博反馈的多阶段系统，提出了分布式在线学习算法，以在对抗环境中实现次线性遗憾。

    Apr, 2024

  • 去中心化匹配市场中的强盗学习

    该研究针对两侧市场匹配问题，通过引入一种新算法，提高了在分散式多人选手竞争、无优先认知偏好和与偏好相关猜测等场景下博弈的结果鲁棒性。

    Dec, 2020

  • 公平最优多智能体赌博机

    研究多智能体多臂赌博学习问题，以无通信和有限奖励为前提，提出了一种分布式拍卖算法并进行样本最优匹配学习和新的拍卖决策策略，通过新颖的基于次序统计量的后悔分析带来了全新的性能，实验模拟表明性能依赖于对数时间。

    Jun, 2023

  • 对抗性多路决斗者

    对抗性多对决赌博机中的后悔最小化问题进行了介绍，并引入了一种新算法 MiDEX（Multi Dueling EXP3）来学习来自成对子集选择模型的偏好反馈。证明了 MiDEX 相对于从 K 个臂中选择 Borda 赢家的累计 T 轮后悔的期望上界为 O ((KlogK)^{1/3} T^{2/3})，同时证明了在该设置下预期后悔的下界为 Ω(K^{1/3} T^{2/3})，表明我们提出的算法是接近最优的。

    Jun, 2024

  • 去中心化协作随机赌博机

    本文研究了多臂赌博机问题在网络上的去中心化协作，采用加速一致性过程来计算所有智能体对每个臂的平均奖励，该算法采用上置信区间来决策，能够达到更好的回归界，同时不需要过多的底层网络信息。

    Oct, 2018

  • 合作非随机多臂老虎机中的个体遗憾

    研究通过交换信息在底层网络上通信的代理，以优化共同的非随机多臂赌博问题中各自的遗憾。我们推导出遗憾最小化算法，其中保证每个代理 v 的期望遗憾都是（1+K/|N (v)|)^T 的平方根量级。

    Jul, 2019

  • 带背包的赌博机

    介绍了一种称为带背包的赌徒问题的通用模型，结合了随机整数规划和在线学习的方面。该论文提出了两种算法来解决这个问题，它们的报酬接近于信息论上的最优解，但同时带背包的赌徒问题相比传统的赌徒问题更具挑战性。

    May, 2013

  • 分散式随机多人多臂行走赌博机

    提出了一种解决多人多臂赌博机问题的分布式算法，利用上置信区间和分布式优化技术，解决了现实世界应用中玩家仅能访问动态局部子集的问题，并获得了接近最优的后悔率。

    Dec, 2022