arXiv · Statistics Machine Learning· Kaixuan Ji, Qiwei Di, Qingyue Zhao, Heyang Zhao, Quanquan Gu·2026-10-01 12:00· 3 小时前AI 评分12

多臂老虎机存在多个最优臂时的极小化极大遗憾与非自适应性

Bandits with Multiple Optimal Arms: Minimax Regret and Non-Adaptivit

AI 导读

论文研究具有多个最优臂的 $K$ 臂老虎机问题，对先前子采样算法给出更紧的分析，建立 $\tilde{O}\Big(\frac{K-A}{\sqrt{KA}}\sqrt{T}\Big)$ 的极小化极大遗憾界，其中 $T$ 为总交互次数，$A$ 为最优臂数量。