Chinese content多臂老虎机新算法同时达到一阶后悔与最优最坏情况后悔界
把2019年那个带log的遗憾界做到O(√(KL*))，一个算法同时拿下stochastic和adversarial两种场景，做bandit理论的别错过。
#multi-armed bandits
2 stories · 0 in 7 days · 1 in 30 days
Stories, products and papers tagged "multi-armed bandits", newest first.
Oct 30
Aug 3
Papers09:44
Chinese content扩散环境中多臂老虎机策略梯度的收敛与遗憾界这篇论文用Lyapunov函数严格证明了策略梯度在扩散环境老虎机里的收敛性，遗憾界做到O(log T)，搞理论的人可以看看。