Contextual Combinatorial Semi-Bandits

新算法以更高效率解决上下文组合半老虎机问题

研究人员为上下文组合半老虎机问题开发了新算法，该问题涉及选择臂的子集以最大化累积奖励。其中一种方法，在最近的 arXiv 论文中提出，通过解决一个凸优化问题，提供了一种计算高效的方法来平衡探索和利用。该算法实现了 minimax 最优遗憾界限，并推广到任意组合动作结构和奖励函数逼近。另一篇论文侧重于预言机高效框架，显著减少了这些问题所需的预言机查询次数，特别是在最坏情况下的线性奖励设置中，同时保持了严格的遗憾保证。