受限制策略下多臂Bandit过程的理论与应用研究

项目名称： 受限制策略下多臂Bandit过程的理论与应用研究

项目编号： No.71371074

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 管理科学

项目作者： 吴贤毅

作者单位： 华东师范大学

项目金额： 57万元

中文摘要： 多臂Bandit过程模型（Multi-armed Bandit Processes,简称为MAB）起源于1950年代，属于动态随机最优化的范畴，是一种特殊类型的动态随机控制模型，用于处理如何最优地进行稀缺资源的分配。从数学上来说，MAB由一组平行的可控随机过程组成，每个随机过程有两个选项：演进和停止，一旦向前演进，该过程的信息会随时更新，同时给出一个报酬流；一旦被停止，则其信息流和报酬都不会发生更新。MAB模型的目标是确定各个随机过程演进和停止的规则（时间分配规则），满足条件：在时间t，各个随机过程进程时间之和不大于总时间t，并且使得期望折扣总报酬达到最大。本项目旨在MAB模型中引入受限策略的概念，以便刻画现实中对策略的技术限制（比如在某个随机过程达到一定的状态时，不允许被停止），相应发展一套受限策略下MAB最优策略的新理论、新方法，并探索其在相关领域比如随机调度领域的应用。

中文关键词： bandit processes；Gittins indices；受限策略；最优停时；随机调度

英文摘要： Multi-armed bandit processes (abbreviated as MAB), which are dated back to 1950s, belong to the framework of dynamic stochastic optimizaitons. They are a type of particular dynamic stochastic control models that are concerned with the problems of optimall

英文关键词： bandit processes；Gittins index；constrained policies；optimal stopping times；stochastic scheduling