Ortner

新的汤普森采样变体“alpha-TS”提供通用遗憾分析

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。