机构名称：
¥ 1.0
对数遗憾：Lai＆Robbins（1985）5的经典结果断言，最佳的遗憾率为O（log n）。实际上，在奖励分布的参数假设下，他们表明，所有保证所有α> 0的遗憾的政策必须采样至少1 c（a，a ∗）log n libies c（a，a，a，a，a，a，a，a，a ∗）= d（p（p（p（·| a），p（·| a），p（·| a ∗）extry ernection nige n lim diog n lim nige n lim nigial n ligials nigial n ligial。分布。他们的政策渐近地实现了最佳的遗憾，它基于上限范围（UCB）的概念，需要对这些界限进行微妙的操纵。
7有效探索
主要关键词
相关文件推荐
