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。
確率的多重層マルチアームバンド問題を研究した。この問題において,mプレーヤは,K>mアームからそれらの総報酬を最大化するように協調する。しかし,同じアームを同じ時間に引き出すと,プレーヤーは通信できず,ペナルティ化(例えば報酬なし)される。Δがm-thとm+1-st最良アームの間のギャップである最適インスタンス依存regret O(1/Δ)を得ることが可能であるかどうかを検討した。このような保証は,最近,意図的衝突を通して暗黙的に通信するプレーヤーを可能にするモデルで達成された。驚くべきことに,著者らは,通信なしで,そのような保証は達成できないことを示した。事実,Δの幾つかの値に対する最適O(1/Δ)レレットを得ることは,他の領域における厳密な準最適レレットを意味する。主な結果は,通信なしに可能なパレート最適インスタンス依存トレードオフの完全な特性化である。著者らのアルゴリズムはBubeck,Budzinski,および第2著者のそれを一般化する。そこで,このアルゴリズムは,衝突時のフィードバックが,強い非衝突特性のおかげで,適応敵対によって崩壊できる場合でも成功する。著者らの下限は多重スケールでのトポロジー的障害物に基づいており,完全に新しい。【JST・京大機械翻訳】