Adaptive Treatment Allocation and the Multi-Armed Bandit Problem
自适应处理分配与多臂老虎机问题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：摘要研究顺序决策与累计收益最大化，没有明确估计处理效应或对应其他所列细分领域。
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
自适应处理分配与多臂老虎机问题
- 研究问题
- 在多个指数族总体之间顺序选择抽样对象时，如何利用已获信息调整分配，以最大化有限期内的期望累计收益？
- 方法与思路
- 作者利用边界穿越理论构造总体参数的置信上界，据此提出一类自适应分配规则，并分析渐近性质和模拟表现。
- 材料陈述的贡献
- 摘要称，这些规则从贝叶斯和频率学派两种角度均渐近最优，蒙特卡洛研究也显示中等决策期限下表现较好。
- 阅读关注点
- 应核对最优性的比较标准、参数与指数族条件、置信上界构造，以及渐近结论和有限期限模拟之间的关系。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本，也未提供具体最优性界或模拟数值；处理分配本身不等于因果效应识别。
原文摘要
A class of simple adaptive allocation rules is proposed for the problem (often called the "multi-armed bandit problem") of sampling $x_1, \cdots x_N$ sequentially from $k$ populations with densities belonging to an exponential family, in order to maximize the expected value of the sum $S_N = x_1 + \cdots + x_N$. These allocation rules are based on certain upper confidence bounds, which are developed from boundary crossing theory, for the $k$ population parameters. The rules are shown to be asymptotically optimal as $N \rightarrow \infty$ from both Bayesian and frequentist points of view. Monte Carlo studies show that they also perform very well for moderate values of the horizon $N$.