Oct, 2023

离散选择多臂赌博机

PDF
TL;DR通过建立离散选择模型与在线学习和多臂赌博算法领域之间的联系，本文的两个主要贡献是提供了一类算法的次线性遗憾界，包括 Exp3 算法作为特例，并引入了一类新的对抗多臂赌博算法，借鉴了 Wen (2001) 首次提出的广义嵌套逻辑模型，这些算法能够通过封闭形式的采样分布概率实现高度的模型调优灵活性。为了演示我们算法的实际实施，我们进行了数值实验，重点关注随机赌博的情况。
discrete choice modelsonline learningmultiarmed bandit algorithmsregret boundsadversarial multiarmed bandit algorithms
发现论文，激发创造
  • 更多适应性算法用于对抗式赌博机

    提出了一种新颖的算法，采用乐观性和适应性技术，结合在线镜像下降框架和特殊的对数障碍正则化器来解决对抗性多臂赌博机问题和组合半赌博问题，并在提高先前工作的同时，取得了多种新的数据依赖性遗憾界。

    Jan, 2018

  • 带背包的赌博机

    介绍了一种称为带背包的赌徒问题的通用模型，结合了随机整数规划和在线学习的方面。该论文提出了两种算法来解决这个问题，它们的报酬接近于信息论上的最优解，但同时带背包的赌徒问题相比传统的赌徒问题更具挑战性。

    May, 2013

  • 基于偏好的 Dueling Bandits 在线学习：综述

    本研究调查了基于偏好的多臂赌博机和决斗赌博机的最新研究现状及其解决方法，关注于在序贯决策过程中进行的数据反馈和学习，并且考虑了强度信息不可用的情况。

    Jul, 2018

  • 带随机多臂赌博机的在线实验设计调查

    本研究调查和综合了在线统计学习范例 —— 称为多臂赌博机的领域，作为在线实验的某一类资源。我们首先探讨了传统的多臂赌博机的随机模型，然后探讨了复杂模型的分类模式，针对每种模型的复杂性与实验设计背景下的特定要求或考虑进行了说明。最后，我们提供了所有研究算法已知上限遗憾表格的决策工具，为未来理论工作提供了两方面的视角。

    Oct, 2015

  • 具有图结构反馈的非随机多臂赌博机

    本文研究了一种名为 “部分信息” 的在线学习模型，提出了多种算法，通过信息反馈结构的组合特性，给出了紧密的遗憾界限。

    Sep, 2014

  • 多臂赌博机简介

    这篇论文介绍了多臂老虎机模型及其在不确定情况下做出决策的算法框架，在这一框架下，研究者们已经做出了大量的工作，本书提供了一种入门级的介绍，包括从基础模型到贝叶斯先验；从固定概率分布到可观测环境，通过与经济学的联系进行论述，使得读者可以更好地理解这个理论框架的应用。

    Apr, 2019

  • 低成本在线决策：一种组合多臂赌博机方法

    本文基于组合多臂赌博机，考虑了测试成本，提供了一种新的成本高效的在线决策框架，并通过后验抽样或 BayesUCB 进行探索。我们对该框架进行了严格的理论分析，并提供了多个实验结果，证明了它在实际问题中的适用性。

    Aug, 2023

  • 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

  • 广义高斯多臂赌博机中的人类决策建模

    本文提出了一个形式化的模型，该模型可以最大化人类决策过程在多臂赌博问题中的表现，并使用贝叶斯推理估算回报值，得出了对多臂赌博问题的标准解决方案，以及在图中的解决方案，其中开发了 UCL 算法，它实现了对数累积期望遗憾并表现出良好的性能。

    Jul, 2013

  • 可扩展的离散抽样问题视为多臂赌博机问题

    研究了在大规模贝叶斯推理和图形模型中出现的高度依赖性离散随机变量抽样问题，结合多臂赌博问题提出了一种有效的近似解决方案，通过实验评估证明了在合成和实际大规模问题中的高效性。

    Jun, 2015