Aug, 2023

最大化支付路由的成功率：使用非静态赌博机

HTML
PDF
TL;DR该论文讨论了非固定多臂赌博机方法的系统架构设计和部署，以确定近乎最优的基于最近交易历史的支付路由策略。通过使用一种新颖的基于Ray的实现提出了一种路由服务架构，以实现每秒超过10000次交易的赌博机式支付路由的最佳扩展能力，同时遵守系统设计要求和与支付卡行业数据安全标准（PCI DSS）相关的生态系统约束。我们首先在自定义模拟器上评估了多种基于赌博机的支付路由算法的有效性，以评估多种非固定赌博机方法并识别出最佳的超参数。然后，我们在幻想体育平台Dream11上对支付交易系统进行了实时实验。在实时实验中，我们证明了相比传统的基于规则的方法，在一个月的时间内，我们的非固定赌博机算法能够持续提高交易成功率0.92%。
发现论文，激发创造
  • 非静态奖励多臂老虎机问题中的最优探索利用

    本文讨论在不确定性的情况下如何在多臂老虎机问题中进行赌博，提出了一种正式的处理方法，并建立了不同类型的奖励变化和最小化遗憾之间的直接联系。

    May, 2014

  • 驯服非平稳赌博机：一种贝叶斯方法

    针对非平稳环境下的多臂赌博问题，提出了一种基于贝叶斯方法的 Thompson Sampling 变体，对其进行了系统性降低先前观测效果的描述，通过增加贝叶斯采样的功利值提供了最优化算法的乐观版本，并进行了广泛的实证分析和与各种算法的比较研究。

    Jul, 2017

  • 非固定奖励分布和延迟反馈过程的多臂赌博策略

    本文研究了多臂赌博策略在非静态随机回报函数和延迟反馈的情况下的性能，并针对非静态回报函数和延迟反馈的情况提出了一种自适应技术（AG1），在在线电子商务平台上进行了多臂赌博模拟。结果表明，相对于传统的多臂赌博策略，在后悔最小化的情况下，自适应技术表现更优秀。

    Feb, 2019

  • 对漂移进行对冲：在非稳态环境下学习优化

    介绍针对非静态赌博机环境的最新数据驱动决策算法，采用了随机和对手式学习算法的非传统结合方法，通过滑动窗口-置信界算法，针对各种非静态赌博机问题实现了最优动态遗憾边界，并通过数字实验验证了算法的超越性能。

    Mar, 2019

  • 随机赌博机的结构自适应算法

    研究奖励最大化和随机多臂赌博问题中的结构约束，提出了一种使用迭代鞍点求解器的渐近最优算法，可以有效地利用结构假设并达到有限时间遗憾界。

    Jul, 2020

  • 开放式强化学习试验数据集和处理流程：朝着真实和可重复的离线评估

    介绍了 Open Bandit Dataset 数据集和 Python 软件 Open Bandit Pipeline，可以用于评估虚拟策略的表现和不同 OPE 统计方法的比较，从而促进 OPE 研究的公正透明和可重复性。

    Aug, 2020

  • 多臂赌博机探索中的资源分配：通过自适应并行处理克服亚线性缩放

    研究了在随机多臂老虎机中探索利用可分配计算资源的问题，提出了两个不同场景的算法，并验证了实验所得结论优于基准算法。

    Oct, 2020

  • 非平稳对决多臂老虎机的最优高效动态遗憾算法

    本文研究了$K$-武斗器下在非固态或时变偏好情况下动态遗憾最小化问题，设计了能够有效解决此问题的算法，证明了算法的最优性，并进行了大量模拟和与其他算法对比的实验。

    Nov, 2021

  • 拥塞贝叶斯：通过短期重置实现最优路由

    该研究针对交通路线推荐问题，提出了基于拥堵信息的多臂赌博机和上下文赌博机算法，并通过仿真实验证明了算法的无后悔性。

    Jan, 2023

  • 一种风险厌恶的非平稳随机多臂赌博机框架

    提出了一种在非平稳环境中运行的自适应风险感知策略框架，该框架结合了文献中普遍存在的各种风险度量标准，将多臂赌博算法的多个系列映射到风险感知的设置中，并将重启贝叶斯在线变点检测算法和（可调节的）强制探索策略结合在一起，以检测本地（针对每个臂）的切换，并提供有限时间的理论保证和渐进性的损失界限，性能在合成和现实环境中均优于现有状态下的技术，并在风险感知和非平稳性方面高效执行。

    Oct, 2023