抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Restless banditsは,推薦者システム,能動学習,収入管理および他の分野での応用を伴う重要なクラスの問題である。アームの固定割合が各周期で引き出され,アームが有限状態空間を共有するような,多くのアームを持つ無限ホリゾン割引休息無しバンドを考察した。平均ケース最適政策は確率的動的計画法によって計算できるが,必要な計算はアームNの数とともに指数的に増大する。従って,大きなNに対して効率的に計算でき,この領域で最適に近いスケーラブルな政策を見つけることが重要であるが,これは,最適ギャップ(すなわち,最適政策に対する期待性能の損失)が大きなNに対して消滅するという意味にある。しかし,最もポピュラーなアプローチであるWhitleインデックスは,o(N)最適性ギャップを保証するために,明確に定義され,他のハードから検証条件まで,ハードから検証可能なインデックス条件を必要とする。これらの困難を解決する方法を示した。Whittle指数によって使用された大域的Lagrange乗数をLagrange乗数シーケンスで置き換えることによって,有限打切点までの1つの時間周期で,著者らはO(√N)最適性ギャップを持つ流体バランス政策と呼ばれる一種の政策を導いた。Whitle指数と異なり,流体バランス政策は明確に定義された指数性を必要とせず,それらのO(√N)最適ギャップ限界は十分条件なしで普遍的に保たれた。また,流体バランス政策が特定の問題に対して最先端の性能を提供することを経験的に実証した。【JST・京大機械翻訳】