-
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: 942
- 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)
-
حسابداری منابع انسانی و افزایش کارایی و اثربخشی بهره وری در سازمان
-
بررسی اندیشه های کامران دیبا در طراحی فرهنگسرای نیاوران
-
رهیافت های زیبایی در پایداری شهر (با نگاهی به ارزش های کالبدی بافت تاریخی)
-
تاثیر فعالیت های لرزه ای در ناپایداری شیروانی های سنگی در منطقه آوج
-
بررسی تأثیر آموزش بر تغییر قند خون بیماران دیابتی
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)
-
بررسی ضرورت کشاورزی شهری در راستای دستیابی به برنامه ریزی سلامت در کلان شهر مشهد
-
بررسی رابطه بین ابعاد رهبری پدرسالارانه و آوای سازمانی با تاکید بر نقش تعدیل کننده تسهیم دانش کارکنان شعب بانک صادرات استان گلستان
-
مکانیزم جایگاه قرینه و تبیین دلالت اثبات دعاوی
-
تأثیر تسهیم دانش، تمایل به یادگیری و فناوری اطلاعات بر فراموشی سازمانی هدفمندبا مطالعه نقش تعدیل گر عدالت سازمانی ادراک شده
-
an examination of crash severity differences between male and female drivers, using logistic regression model
سوال خود را در مورد این مقاله مطرح نمایید :