Jun, 2023
具有不对称置信区间的预算多臂赌博机
Budgeted Multi-Armed Bandits with Asymmetric Confidence Intervals
Marco Heyden, Vadim Arzamasov, Edouard Fouché, Klemens Böhm
TL;DR本文研究了随机预算多臂赌博问题,并提出了一种名为 ω-UCB 的新的上置信界(UCB)采样策略,该策略使用了不对称置信区间,并表明该方法具有对数遗憾且在合成和真实设置中始终优于现有策略。