May, 2023

具有修剪的隐式归一化线性和非线性重尾多臂赌博机预测器

PDF
TL;DR本文提出了基于裁剪的隐式归一化预测器用于重尾分布奖励的多臂老虎机问题，在奖励分布方面假设温和的条件下，得到了收敛性结果，并且对于线性和非线性重尾随机 MAB 问题是最优的，相对于最佳两个世界算法，该算法通常表现更好。
发现论文，激发创造
  • 元学习对抗强盗算法

    该论文研究了具有 bandit feedback 的在线元学习，目的是通过某种自然的相似性度量改善类似的多个任务的性能。

    Jul, 2023

  • 元学习对抗性赌博机

    本文研究了跨多任务的在线学习问题，设计了一个统一的元算法，旨在优化平均性能。该算法在多臂老虎机和乐观线性优化两个重要情境下提供了特定保证，通过任务平均后悔的降低来提高性能。

    May, 2022

  • 量子厚尾赌博机

    本文研究了具有重尾分布的奖励和量子奖励谷歌的多臂黑客（MAB）和随机线性黑客（SLB）。

    Jan, 2023

  • 自适应树形赌博机

    通过将问题转化为 tree-armed bandits 并提供新结果，我们描述了一种适用于无穷多个多项式极大值的任何连续奖励函数的噪声全局优化和连续臂赌博算法，并在不需要先前信息的情况下实现了臂赌博的平方根遗憾和优化的反平方根误差，并证明了能够自适应地组合多个树以最小化遗憾，并且在缩放维度方面提供了接近匹配的较低界。

    Feb, 2013

  • 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

  • 广义线性 Bandit 算法及其重尾奖励的高效计算

    本文研究了具有重尾回报的广义线性赌博问题，提出了基于截断和中值平均的两种新算法，其在时间上界和上下文信息维度的情况下，几乎达到了最优的减悔界限。通过数值实验结果验证了我们算法的优点。

    Oct, 2023

  • 私人和强健赌博机

    研究私有和强健的多臂赌博机，提出了一种私密且强健的平均估计子例程，基于奖励截断和拉普拉斯机制，旨在实现评估精度、隐私和鲁棒性三者之间的最佳平衡。

    Feb, 2023

  • 重尾臂赌博机中实现全自适应遗憾最小化

    学习重尾分布下的遗憾最小化问题，引入自适应算法并提供适应性鲁棒 UCB 方法，以最小化重尾 MAB 问题的遗憾。

    Oct, 2023

  • 复合和匿名反馈多臂赌博机的自适应算法

    本文研究使用复合和匿名反馈的多臂老虎机问题，提出适应性算法，解决了没有先验关于奖励间隔大小的信息的问题，并且进行了基于真实数据集的模拟实验，结果表明我们的算法胜过现有的基准算法。

    Dec, 2020

  • Tsallis-INF：用于随机和对抗赌徒的最优算法

    通过在线镜像下降（OMD）算法与 Tsallis 熵正则化之间的结合，本论文提出了一种能够同时在对抗场景与随机场景下带来最优伪后悔值的算法，其具有自限制约束下的对抗场景、随机有界对抗场景以及受敌方攻击污染的随机场景等多种通用性，且能在这些场景下同时保证对抗后悔保证和对数后悔保证；该算法同时能够实现证券交易中的对抗最优化和随机最优化，并且在实际测试中表现出了极高的鲁棒性和性能优势。

    Jul, 2018