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

提出了新的可扩展算法来解决广义线性赌博机问题，基于在线计算的新算法（GLOC）将任何在线学习算法转化为 GLB 算法，同时，通过内积搜索，为选择大量臂的情况设计了新算法，并提出了一种快速准确的哈希键计算方法，并进行了实验验证。

Jun, 2017

本文提出了两个基于上限置信度算法的广义线性模型及其应用的方法，以解决在非静态环境下的上下文在线学习和塞德利反馈问题，这些结果表明这些算法在一般的情境序列下，并且存在突然变化时具有高概率的上限置信度边界，证明结果的形式为时间 T 内的 d^2/3 G^1/3 T^2/3 阶动态后悔。

Mar, 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

本文提出了一种基于置信度的算法来处理自适应遗忘的自共轭概率线性泊松广义线性臂问题（GLB），并分析了其在突然变化环境中的性能，结果表明该方法有望解决 GLB 中的非平稳性问题。

Nov, 2020

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

本文提出了针对广义线性情境臂的上界置信度算法，实现了与众不同的性能，同时我们还分析了更简单的上界置信度算法，在特定情况下证明了该算法具有最优的后悔。

Feb, 2017

在随机线性赌博机的框架中，我们获得了强化的后悔概念的紧密上界。这个强化的后悔概念被称为 Nash 后悔，它被定义为线性赌博机算法累积的预期奖励的几何平均值与（事先未知的）最优解之间的差异。我们开发了一种算法，在有限的臂集和无限的臂集两种情况下，实现了 Nash 后悔的上界。

Oct, 2023

研究了多臂赌博机和专家问题在非稳态随机环境下的动态遗憾。通过引入度量整个损失分布在 T 轮过程中的统计方差的新参数 Lambda，研究了这一数量对遗憾的影响。我们考察了 Lambda 与 Gamma（计算分布更改的次数）以及 Lambda 和 V（衡量随时间分布偏离的程度）之间的相互作用。研究发现即使将 Gamma、V 和 Lambda 都限制为常数时，在赌博设置中的遗憾下限仍会随着 T 的增加而增长。另一个重点是在全信息设置中，当 Gamma 和 Lambda 是常数时，可实现恒定的遗憾。同时，在 Lambda 为常数，而 V 为常数时，遗憾仍具有 T^（1/3）的依赖性。我们不仅提出了具有上界保证的算法，而且也证明了它们匹配的下界。

Dec, 2017

本文提出了一种简单有效的算法来解决批处理随机多臂赌博机和线性随机多臂赌博机问题，这些算法能够通过只使用对数数量的批次实现最优期望遗憾界，此外，文章还首次研究了批处理对抗性多臂赌博机问题，并发现了任何算法的最佳遗憾界（对数因子除外）的预定批处理大小。

Oct, 2019