Whittle

新的 $t$ 步方法提高了赌博机策略的准确性

研究人员开发了一种新的 $t$ 步方法，以提高部分可观察的躁动赌博机（partially observable restless bandits）的 Whittle 指数策略的准确性。该方法通过在决策过程中加入 $t$ 步的前瞻性，扩展了先前的工作，超越了先前模型的一次步比较。新算法不需要可索引性作为输入，并且包含验证，已显示出显著降低了指数误差，并紧密跟踪最优基准，运行时长随 $t$ 的增加而温和增长。