-
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: 946
- 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)
-
مقایسه ی استانداردهای اورژانس مصوب وزارت بهداشت، درمان و آموزش پزشکی با اصول نظام ایزو 9001 ویرایش 2000
-
بررسی نیازهای آموزشی بیماران ترخیصی و رضایتمندی آنها از عملکرد آموزشی پرستاران در کرمان
-
نقش تعلق گروهی بر انگیزه پیشرفت تحصیلی دانش آموزان
-
بررسی آسیب های کروموزومی در لنفوسیت های کارکنان اتاق عمل ناشی از استنشاق گازهای بیهوشی به روش آنالیز متافاز
-
application of a force-based state space approach to geometrically nonlinear planar curved beams
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)
-
عدم شفافیت و اجتناب مالیاتی
-
به کارگیری مهاربندهای کمانش گریز در بهسازی قاب های خمشی فولادی
-
بررسی تأثیر نام تجاری و وفاداری برند در خدمات فن آوری
-
phatics - actual problems of linguistics uzbek research
-
performance of concrete mrf at near-field earthquakes compared to far-field earthquakes
سوال خود را در مورد این مقاله مطرح نمایید :