bandit problems | BriefGPT - AI 论文速递

关键词bandit problems

搜索结果 - 8

线性强化学习问题的信息论界限和紧凑遗憾率
该论文研究了贝叶斯后悔和汤普森抽样算法在赌博问题中的变体。它建立在信息论框架的基础上，通过率失真分析提供了关于线性赌博问题的后悔率上界。使用链接论证，我们针对度量动作空间的赌博问题建立了新的界限。在奖励的适当连续性假设下，我们的界限为 d
PDF4 months ago
利用混淆和选择偏倚离线数据强化改进赌博算法：一种因果方法
在这篇论文中，我们研究了一个代理在在线学习阶段利用离线数据来提高每个动作奖励分布估计的困境。我们从因果结构的角度出发，将这个问题分为混淆偏差和选择偏差，并从有偏观测数据中提取鲁棒的因果边界。这些边界包含了真实的平均奖励，并能有效地指导代理学
PDF7 months ago
Bandits 问题中学习先验知识无悔
提出 AdaTS，一种适用于与其交互的赌博任务的 Thompson 抽样算法，该算法通过在参数上维护分布来适应未知任务先验分布，并在解决赌博任务时对不确定性进行较为准确的处理。AdaTS 是一种全贝叶斯算法，适用于多种赌博问题的高效实现，其
PDF3 years ago
非凸赌臂优化的最优梯度算法
本文研究非凸奖励的赌博机问题，提出了一种适用于一类具有非凸奖励函数的赌博机算法，通过统一的零阶优化范式达到了多项式设置下的最优速率，并在生成模型的 RL 中实现了算法的应用，从而取得了比之前方法更好的样本复杂度。
PDF3 years ago
线性赌博机中表示学习的影响
研究表征学习如何提高赌博机问题的效率，提出一种可以共享线性表征的新算法来减少后悔，实验结果证明该算法在合适的情况下优于独立运行赌博机的朴素算法，并将该算法推广到无限动作集的情况中。
PDF4 years ago
固定置信度下的最优臂识别
本研究完整表征了单参数赌博机问题中最优臂识别的复杂度，并提出了一种被称作 “Track-and-Stop” 的策略，该策略通过的新采样规则和所提出的 Chernoff 停止规则被证明是渐近最优的，并在样本复杂度上取得了一个新的紧致下界。
PDF8 years ago
在线自助 Bootstrap 的汤普森抽样
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。
PDF10 years ago
线性参数化赌博机
本文研究基于多维随机向量臂收益的赌博机问题，证明了在解决特定问题时使用相应的相位策略可以达到最优的累计遗憾和贝叶斯风险，并提出了针对通用问题的近似最优解。
PDF16 years ago