Batched bandit problems
批量多臂老虎机问题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：摘要研究随机决策与遗憾界，临床试验只是动机，未明确提出因果效应识别或所列其他领域问题。
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…
批量多臂老虎机问题
- 研究问题
- 当随机多臂老虎机策略必须把试验分成少量批次时，可达到怎样的遗憾界，以及如何减少策略切换成本？
- 方法与思路
- 作者在批次数量受限的随机多臂老虎机框架下提出简单策略，分析其遗憾界，并推导低切换成本策略。
- 材料陈述的贡献
- 摘要称，很少的批次即可获得接近极小极大最优的遗憾界，并附带得到具有低切换成本的最优策略。
- 阅读关注点
- 应核对批次安排规则、批次数量与遗憾界的关系、极小极大比较基准，以及切换成本的定义和约束。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；奖励分布条件、具体界和批次数量未说明，不能推出临床效果或刊本变化。
原文摘要
Motivated by practical applications, chiefly clinical trials, we study the regret achievable for stochastic bandits under the constraint that the employed policy must split trials into a small number of batches. We propose a simple policy, and show that a very small number of batches gives close to minimax optimal regret bounds. As a byproduct, we derive optimal policies with low switching cost for stochastic bandits.