On Bayesian index policies for sequential resource allocation
序贯资源配置中的贝叶斯指数策略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：摘要聚焦一般多臂老虎机与序贯决策，未明确对应所列经济计量细分方向。
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
序贯资源配置中的贝叶斯指数策略
- 研究问题
- 在随机多臂老虎机模型中，如何借助贝叶斯后验与指数策略最小化频率学派遗憾，并为探索速率的选择提供依据？
- 方法与思路
- 作者分析基于后验分位数的 Bayes-UCB，并利用贝叶斯最优解或有限期限 Gittins 指数的近似解释相关 UCB 算法。
- 材料陈述的贡献
- 摘要称在一维指数族奖励分布及一大类先验下，Bayes-UCB 渐近最优，并建立两种相关 kl-UCB 算法的渐近最优性。
- 阅读关注点
- 应核对奖励分布和先验的具体限制、遗憾及渐近最优性的定义，以及贝叶斯近似如何决定频率学派算法的探索速率。
- 阅读边界
- 依据稿件版本未注明的索引摘要；先验类别、正则条件和有限样本表现未说明，不能推广至任意奖励分布或序贯决策问题。
原文摘要
This paper is about index policies for minimizing (frequentist) regret in a stochastic multi-armed bandit model, inspired by a Bayesian view on the problem. Our main contribution is to prove that the Bayes-UCB algorithm, which relies on quantiles of posterior distributions, is asymptotically optimal when the reward distributions belong to a one-dimensional exponential family, for a large class of prior distributions. We also show that the Bayesian literature gives new insight on what kind of exploration rates could be used in frequentist, UCB-type algorithms. Indeed, approximations of the Bayesian optimal solution or the Finite-Horizon Gittins indices provide a justification for the kl-UCB$^{+}$ and kl-UCB-H$^{+}$ algorithms, whose asymptotic optimality is also established.