The multi-armed bandit problem: An efficient nonparametric solution
多臂老虎机问题：一种有效率的非参数解法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：摘要属于序贯学习与臂分配理论，未直接研究经济离散选择、因果效应或金融收益预测。
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
多臂老虎机问题：一种有效率的非参数解法
- 研究问题
- 在多臂老虎机中，能否构造非参数分配程序，克服若干既有非参数策略在一般参数模型设定下缺乏效率的问题？
- 方法与思路
- 作者提出非参数臂分配程序，并以基于奖励分布信息构造的参数 UCB 方法及其他非参数探索策略作为研究背景。
- 材料陈述的贡献
- 摘要明确声称提出有效率的非参数程序，但未介绍其具体算法、效率判据或达到该效率所需的奖励分布条件。
- 阅读关注点
- 核对非参数分配规则、效率的精确定义、遗憾界的适用分布类，以及与参数 UCB 和其他探索策略比较的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能把背景中参数 UCB 的最小遗憾结论直接移用于新方法，算法与保证范围未说明。
原文摘要
Lai and Robbins (Adv. in Appl. Math. 6 (1985) 4–22) and Lai (Ann. Statist. 15 (1987) 1091–1114) provided efficient parametric solutions to the multi-armed bandit problem, showing that arm allocation via upper confidence bounds (UCB) achieves minimum regret. These bounds are constructed from the Kullback–Leibler information of the reward distributions, estimated from specified parametric families. In recent years, there has been renewed interest in the multi-armed bandit problem due to new applications in machine learning algorithms and data analytics. Nonparametric arm allocation procedures like $\epsilon $-greedy, Boltzmann exploration and BESA were studied, and modified versions of the UCB procedure were also analyzed under nonparametric settings. However, unlike UCB these nonparametric procedures are not efficient under general parametric settings. In this paper, we propose efficient nonparametric procedures.