Jul, 2023

具有因果相关奖励的分段静态组合半匹配波尔制

PDF
TL;DR本研究探讨具有因果关系奖励的分段稳定组合半强盗问题，在我们的非稳态环境中，基本臂的分布变化，奖励之间的因果关系，或者二者同时改变了奖励生成过程。我们提出的算法在复杂环境中具备优越的应用性能。
stationary combinatorial semi-bandit problemcausally related rewardschange-point detectorgroup restartregret upper bound
发现论文，激发创造
  • 一种基于变化检测的近似最优算法，用于分段平稳组合半臂老虎机

    研究了分段不稳定组合半汉迪问题，提出了一种名为 GLR-CUCB 的算法，该算法将高效组合半汉迪算法 CUCB 与几乎无参数的变化点检测器 GLRT 相结合，其遗憾值具有渐近界，且比现有算法表现优异

    Aug, 2019

  • 非平稳时延组合半赌博问题与因果相关奖励

    在不稳定环境中进行的顺序决策和反馈延迟引起的问题，通过学习因果关系来减轻决策过程中的不利影响，本文将此问题形式化为具有因果关联奖励的非平稳和延迟组合半强盗问题，并通过数值分析在意大利使用合成和真实世界数据集来检测对 Covid-19 传播最重要的地区。

    Jul, 2023

  • 非平稳赌博机问题的置信上限策略

    本文考虑了分布保持不变，但在未知时间发生改变的非稳态赌徒问题，研究了两种算法：折扣上限置信区间和滑动窗口上限置信区间，并通过 Hoeffding 不等式得到了后者的上界，对不优的赌博机被玩的次数期望进行了上界估计并证明了存在性突然性改变时的遗憾下界，证明了折扣上限置信区间和滑动窗口上限置信区间的匹配下界一致性。

    May, 2008

  • 组合级联赌博机

    提出了组合级联赌博算法，对分布随机的约束问题解决一类非线性奖励函数部分可观测性问题，提供了一种基于 UCB 算法的求解方法，并论证了与时间复杂度无关的期望损失界限和时间关联的损失上限。在两个真实世界的网络路径问题测试中，算法表现良好，说明该算法对于模型假设违反的情况同样稳健有效，这个设置还需要提出新的学习算法。

    Jul, 2015

  • 基于变化检测的分段静态多臂赌博机问题框架

    本文研究基于变点检测的多臂赌博机问题，提出了使用累积和和 Page-Hinkley 测试进行变点检测的 UCB 策略，并展示了在伯努利奖励和 Yahoo 数据集上的性能测试结果。

    Nov, 2017

  • 具有习惯化和恢复动态的非静态赌徒问题

    提出了 ROGUE（Reducing or Gaining Unknown Efficacy）类模型及其算法 ROGUE-UCB，可捕捉到具有非稳态现象的问题模型，经实验证明优于现有算法并应用于个性化医疗干预以增加身体活动。

    Jul, 2017

  • 高效应对分段稳定赌博机的变点检测

    GLR-klUCB 是一种结合了 kl-UCB 算法和 Bernoulli 广义似然比检验的高效参数无关变点检测的算法，可以在非平稳的打赌问题中获得较小的后悔。

    Feb, 2019

  • 多智能体多臂赌博决策分布式一致性算法

    研究多智能体多臂赌博问题中的决策制定策略，利用贝叶斯变点检测和重启决策协作优化多智能体 UCB 算法的期望组后悔率的理论上限，并在合成数据集和真实数据集上进行数值实验，表明所提出的方法优于现有的算法。

    Jun, 2023

  • 阻断赌徒

    考虑到重复使用某些选项可能是不可取的或不可行的，本文提出了一种新颖的随机多臂赌博机设置，并通过映射到 PINWHEEL 调度问题证明了问题的优化累积奖励不允许有伪多项式时间算法，但它设计了一种贪婪算法和一种基于 UCB 的算法，具有一定的优异性。

    Jul, 2019

  • 非平稳环境下的组合半赌博算法

    该研究探讨了非静态组合半强盗问题，研究了在动态和切换的情况下，算法所能达到的最佳后悔上限以及需要提前了解的参数，并提供了无需先知参数的算法。

    Feb, 2020