ICMLJul, 2022

具有平滑遗憾的情境臂控算法:连续行动空间高效学习

TL;DR提出了一种平滑遗憾函数的背景自适应算法,可用于大量或连续动作空间下的通用背景自适应问题,并能适应各种光滑度级别的问题,取得了先前优化遗憾函数的最优性保证。