-
an asymptotically optimal policy for finite support models in the multiarmed bandit problem
جزئیات بیشتر مقاله- تاریخ ارائه: 1392/07/24
- تاریخ انتشار در تی پی بین: 1392/07/24
- تعداد بازدید: 949
- تعداد پرسش و پاسخ ها: 0
- شماره تماس دبیرخانه رویداد: -
in the multiarmed bandit problem the dilemma between exploration and exploitation in reinforcement learning is expressed as a model of a gambler playing a slot machine with multiple arms. a policy chooses an arm in each round so as to minimize the number of times that arms with suboptimal expected rewards are pulled. we propose the minimum empirical divergence (med) policy and derive an upper bound on the finite-time regret which meets the asymptotic bound for the case of finite support models. in a setting similar to ours, burnetas and katehakis have already proposed an asymptotically optimal policy. however, we do not assume any knowledge of the support except for its upper and lower bounds. furthermore, the criterion for choosing an arm, minimum empirical divergence, can be computed easily by a convex optimization technique. we confirm by simulations that the med policy demonstrates good performance in finite time in comparison to other currently popular policies.
مقالات جدیدترین رویدادها
-
استفاده از تحلیل اهمیت-عملکرد در ارائه الگوی مدیریت خلاقیت سازمانی و ارائه راهکار جهت بهبود
-
بررسی تاثیر ارزش وجوه نقد مازاد بر ساختار سرمایه شرکت های پذیرفته شده در بورس اوراق بهادار تهران
-
بررسی تأثیر سطح افشای ریسک بر قرارداد بدهی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
-
بررسی تأثیر رتبه بندی اعتباری مبتنی بر مدل امتیاز بازار نوظهور بر نقد شوندگی سهام با تأکید بر خصوصی سازی شرکت ها
-
تأثیر آمیخته بازاریابی پوشاک ایرانی بر تصویر ذهنی مشتری پوشاک ایرانی (هاکوپیان)
-
تعیین خصوصیات مکانیکی بتن ساخته شده از سنگدانه های بازیافتی و ترکیبات حاصل از لاستیک بازیافتی
-
بررسی پتروگرافی و ژئوشیمی سنگهای آلکالن پتاسیک نیمه جنوبی جزیره اسلامی
-
analytical and experimental studies on 400 and 132 kv steel transmission poles
-
effects of magnetic field on nanofluid forced convection in a partially heated microchannel
-
us shadow economies: a state-level study
مقالات جدیدترین ژورنال ها
-
مدیریت و بررسی افسردگی دانش آموزان دختر مقطع متوسطه دوم در دروان کرونا در شهرستان دزفول
-
مدیریت و بررسی خرد سیاسی در اندیشه ی فردوسی در ادب ایران
-
واکاوی و مدیریت توصیفی قلمدان(جاکلیدی)ضریح در موزه آستان قدس رضوی
-
بررسی تاثیر خلاقیت، دانش و انگیزه کارکنان بر پیشنهادات نوآورانه کارکنان ( مورد مطالعه: هتل های 3 و 4 ستاره استان کرمان)
-
بررسی تاثیر کیفیت سیستم های اطلاعاتی بر تصمیم گیری موفق در شرکتهای تولیدی استان اصفهان (مورد مطالعه: مدیران شرکتهای تولیدی استان اصفهان)
-
اصول طراحی واحد همسایگی سرزنده مبتنی بر رویکرد بایوفیلیک؛ نمونه مطالعاتی: محله شهرک آزمایش، منطقه دو شهر تهران
-
بررسی تاثیر تجربه مشتری و کیفیت خدمات الکترونیکی بر نگرش و نیت رفتاری به سمت خدمات آنلاین تحویل غذا: نقش تعدیل گر تثبیت موقیعت محصول و انگیزه راحتی و سودمندی درک شده (مورد مطالعه: مجموعه رستوران های راه چوبی)
-
تحلیلی بر کارکردهای هوش مصنوعی در علوم اسلامی
-
تاثیر کمیته حسابرسی و کمیته هیئت مدیره بر لحن گزارشگری مالی
-
طراحی شناورهای کوچک و بهینه سازی طراحی بدنه شناور برای دریاهای بزرگ
سوال خود را در مورد این مقاله مطرح نمایید :