本研究针对具有相似但不完全相同的多臂赌博机环境中的在线多任务学习问题，研究了如何通过知识的健壮传递从而提高学习器在多个相关任务上的整体性能。我们提出了一种 TS 类型算法，对其进行了经验分析，并证明了它是几乎最优的。最后，我们将算法在合成数据上进行了评估，证明了 TS 类型算法在与基准算法和 UCB 算法的比较中具有卓越的经验性能。

Jun, 2022

本文介绍了一种基于深度神经网络和贝叶斯推断的新型算法 —— 神经 Thompson Sampling (Neural Thompson Sampling)，并证明该算法的性能能够和同类算法相匹配，实验结果证实了该理论。

Oct, 2020

本文研究了 Thompson 采样方法在随机组合多臂赌博机框架中的应用，分析了多种算法的累积遗憾，并给出了上限界以及其他算法之间的比较结果。

Mar, 2018

研究 Thompson Sampling 在 bandit 问题中的应用，提出一种新的取样规则 Top-Two Transportation Cost (T3C)，结合贝叶斯停止规则进行采样复杂度分析，并给出 bandit 问题中 Gaussian 和 Bernoulli rewards 和共轭先验的后验收敛性结果。

Oct, 2019

我们研究了基于 Thompson Sampling 的有界奖励随机赌博算法。为了解决现有的与高斯先验的 Thompson Sampling 相关的问题相关后悔界限在 T≤288e^64 时是虚无的问题，我们导出了一个更实用的界限，将主要项的系数从 288e^64 缩小到 1270。此外，我们提出了两种参数化的 Thompson Sampling 算法：带有模型聚合的 TS-MA-α 和带有时间战斗的 TS-TD-α，其中 α∈[0,1] 控制效用与计算之间的权衡。这两种算法都可以实现 O (Kln^(α+1)(T)/Δ) 的后悔界限，其中 K 是臂数量，T 是有限学习时段，Δ 表示拉动次优臂时的单轮性能损失。

May, 2024

本文提出了一种新的算法 Discounted Thompson Sampling (DS-TS) with Gaussian priors，用于解决非平稳多臂赌博机问题，并分析了算法在不同情况下的表现和 upper bound of regret。

May, 2023

介绍了一种改进的 Thompson sampling 方法 ——bootstrap Thompson sampling，通过引入 bootstrap 分布替换后验分布，提高了其在大规模 bandit 问题中的可扩展性和面对误分布的鲁棒性。

Oct, 2014

设计并分析了变化的经典 Thompson sampling 算法以用于贝叶斯优化，并在设置中对其进行了比较，其中函数评估代价高但可以并行执行，在时间约束下，异步并行 TS 相对于同步和顺序版本具有渐进性更低的后悔，同时在卷积神经网络的超参数调整应用中，比现有并行 BO 算法表现更好，更加简单。

May, 2017

本文针对未知偏好的两侧市场匹配问题，提出了首个 Thompson Sampling 算法的回报分析，证明 TS 算法在实践中优于 ETC 和 UCB 算法。

Apr, 2022

本文针对动态环境下的多臂赌博机问题提出了基于 Thompson Sampling 和贝叶斯变点机制的算法，称为 Change-Point Thompson Sampling (CTS) 算法，并在新闻点击和外汇交易数据等真实环境中验证其优越性。

Feb, 2013