研究人员开发了一种名为指数库尔巴克-莱布勒美拉德采样(Exp-KL-MS)的新算法来解决多臂老虎机问题。该算法旨在同时满足多个性能标准,包括渐近最优性、具有 $\sqrt{\ln (K)}$ 因子的极小极大最优性、Sub-UCB以及方差自适应遗憾界限。Exp-KL-MS算法利用最小经验散度框架,其中探索概率由逆温度函数和臂的经验均值之间的库尔巴克-莱布勒散度决定。 AI
影响 为老虎机问题中的优化决策引入了一种新颖的算法,有可能提高强化学习场景的效率。
排序理由 该集群包含一篇详细介绍机器学习问题新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Exp-KL-MS
- Exponential-Kullback Leibler Maillard Sampling
- Hao Qin
- Kullback-Leibler divergence
- Minimum Empirical Divergence
- Thompson sampling
- Upper Confidence Bound
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →