研究人员开发了汤普森采样(一种流行的解决随机多臂老虎机问题的算法)的通用遗憾分析。这种新方法,称为“alpha-TS”,通过一个因子“alpha”来调整似然度,从而使用分数后验分布而不是标准后验分布。该分析在先验和奖励分布的温和条件下,产生了实例依赖和实例独立的频率遗憾界限,适用于亚高斯和指数族模型。推导出的界限与现有的改进型UCB界限相匹配,并且不需要闭式或共轭先验等特定结构属性。 AI
影响 这一遗憾分析的理论进展可能导致更高效的多臂老虎机算法,影响在线学习和推荐系统等领域。
排序理由 该集群包含一篇详细介绍现有算法新理论分析的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →