均值漂移多臂老虎机中的最佳臂识别

论文提出 Shifting Means 设定：K 个臂的平均奖励可随时间整体漂移，仅臂间差距 Δ 保持稳定，目标是高概率识别最佳臂并最小化样本复杂度。作者证明采用 GLRT 停止规则的算法（含 Track-and-Stop）在时变漂移下失效，转而提出 Importance Weights for Shifting Means（ISM）。