A One-Armed Bandit Problem with a Concomitant Variable
含伴随变量的单臂老虎机问题AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及通用贝叶斯序贯决策与分配理论，未明确给出因果识别、结构估计或所列其他细分方向的研究内容。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
含伴随变量的单臂老虎机问题
- 研究问题
- 在贝叶斯序贯分配的单臂老虎机问题中，加入伴随变量信息会如何影响近似求解、折现因子的重要性和短视策略表现？
- 方法与思路
- 作者在一个高度简化的贝叶斯序贯分配模型中纳入伴随变量，分析信息加入后的近似策略及短视程序的渐近性质。
- 材料陈述的贡献
- 摘要称，伴随信息使近似解更简单，折现因子的确切取值较以往工作更不重要，并称短视程序具有渐近最优性。
- 阅读关注点
- 应核对伴随变量如何进入模型、奖励和信息结构、渐近最优性的极限含义，以及近似解与既有结果的比较条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型被明确称为高度简化，未说明最优性条件，不能推广至一般老虎机问题。
原文摘要
We consider a Bayesian sequential allocation problem that incorporates a concomitant variable in the model. Although the model is highly simplified, our results do have some mildly surprising aspects: (a) the approximate solution to the allocation problem is simpler in the presence of concomitant information than in its absence, (b) the exact value of the discount factor is less important than in previous work, and (c) the myopic procedure is asymptotically optimal.