Bayesian bandit models

Thompson Sampling 在贝叶斯老虎机模型中被证明在错误方面具有 2-竞争性

一篇新发表在 arXiv 上的论文详细介绍了一个在贝叶斯老虎机模型方面的理论进展，证明了 Thompson sampling 在错误方面具有 2-竞争性。这意味着 Thompson sampling 所犯的错误预期数量最多是任何其他策略的两倍。该分析适用于独立的潜在臂（arm）过程，其中臂仅在被抽取时才会演变，证实了 Guha 和 Munagala 在 2014 年对随机老虎机提出的猜想。该结果适用于各种加权方案，包括固定视野和几何贴现。