Lipschitz bandits

新算法在有限反馈的在线学习中利用动作相似性

研究人员开发了用于在线学习问题的新算法，这些问题中的动作具有固有的相似性，例如由根树结构表示的动作。这些算法旨在利用这些相似性来提高性能，尤其是在反馈有限的情况下。该研究为标准单点老虎机反馈建立了一个不可能的结果，证明了其无法利用动作相似性。然而，所提出的算法通过适应更丰富的反馈模型，并将总动作数替换为在遗憾界限中具有相似性感知的有效数量，提供了两全其美的保证。