本文研究基于多维随机向量臂收益的赌博机问题，证明了在解决特定问题时使用相应的相位策略可以达到最优的累计遗憾和贝叶斯风险，并提出了针对通用问题的近似最优解。

Dec, 2008

研究了有限动作集的线性上下文强化学习问题，介绍了一种名为VCL SupLinUCB的算法，并表明其与最佳下界相匹配，相较于之前的算法分析，节省了两个对数因子。

Mar, 2019

该文章提出了一种简单的模型选择方法，用于解决随机赌博和强化学习问题，并通过平衡算法的候选遗憾边界，以及淘汰违反其候选边界的算法来消除算法，从而证明该方法的总遗憾由最佳候选遗憾边界的一个乘性因子限制。

Dec, 2020

本文研究了非平稳线性臂问题，提出了一种基于重启策略的算法以平衡利用和探索，并证明了该算法的动态遗憾值，同时还解决了现有算法中的严重技术缺陷问题。

Mar, 2021

本文发展了一种数据稀疏(稀疏线性斯托剖斯)的新型算法，该算法使较小的环境维度下研究致命后果的风险得以降低，实现了一种有区别的、具有人造和样本方差适应性的总体安全算法。同时，该研究还探讨了如何在一种<黑盒>化的方式下将任何方差算法转化为sparce linear bandits算法。

May, 2022

该论文提出了一种基于数据驱动技术的算法，利用不确定椭球的几何性质追踪算法的习得性能，在不同的问题实例上实现实例相关的频率遗憾边界，从而实现算法实例纠错，并在保留基础算法大部分优良性质的同时，达到最小化讽刺性遗憾代价。

Jun, 2023

通过利用奖励分布的方差和总变化预算，我们提出了Restarted WeightedOFUL+和Restarted SAVE+两种新算法，它们在非平稳随机线性赌博机问题中能够取得更紧密的遗憾上界，尤其在奖励的总方差远小于轮数K时，超过了现有工作的性能。

Mar, 2024

我们在有限适应性的条件下研究广义线性情境赌博问题。我们提出了两种算法分别解决两种普遍存在的有限适应性模型：具有随机情境的批量学习和具有对抗情境的罕见策略切换。对于这些模型，我们建立了本质上紧密的遗憾上界。值得注意的是，在我们获得的上界中，我们成功消除了关键参数kappa的依赖性，该参数捕捉到底层奖励模型的非线性。对于我们的批量学习算法B-GLinCB，使用Ω(log(log T))批次，遗憾的规模为Φ(O(√T)).此外，我们建立了我们的罕见切换算法RS-GLinCB最多更新策略Φ(O(log^2 T))次，并实现了Φ(O(√T))的遗憾。我们消除广义线性情景赌博对kappa的依赖的方法可能具有独立的兴趣。

Apr, 2024

通过要求原始算法和对偶算法是弱自适应的，我们证明了在「背包带劫匪」框架中，能够保证子线性的对违规约束的罚值，并同时在随机和对抗的情况下提供最佳性能，并为具有线性约束的上下文劫匪问题提供了首个无α-遗憾的保证。

May, 2024

我们研究了一个K臂非平稳赌博模型，在该模型中，奖励将平滑变化，其变化由时间的函数的H"{o}lder类参数化。我们首先在所有K，β，λ的情况下确定了最小化极小动态后悔速率。接下来，我们表明此最优动态后悔可以自适应地实现，而无需了解β，λ。因此，我们的工作解决了文献中不同线索所提出的未解问题。

Jul, 2024