This paper unifies the design and simplifies the analysis of risk-averse Thompson sampling algorithms for the multi-armed bandit problem for a generic class of risk functionals $\rho$ that are continuous. Using the contraction principle in the theory of large deviations, we prove novel concentration bounds for these continuous risk functionals. In contrast to existing works in which the bounds depend on the samples themselves, our bounds only depend on the number of samples. This allows us to sidestep significant analytical challenges and unify existing proofs of the regret bounds of existing Thompson sampling-based algorithms. We show that a wide class of risk functionals as well as "nice" functions of them satisfy the continuity condition. Using our newly developed analytical toolkits, we analyse the algorithms $\rho$-MTS (for multinomial distributions) and $\rho$-NPTS (for bounded distributions) and prove that they admit asymptotically optimal regret bounds of risk-averse algorithms under the mean-variance, CVaR, and other ubiquitous risk measures, as well as a host of newly synthesized risk measures. Numerical simulations show that our bounds are reasonably tight vis-\`a-vis algorithm-independent lower bounds.


翻译:本文统一了设计,并简化了对多臂匪徒问题的风险偏向汤普森抽样算法的分析。 我们用大规模偏差理论中的收缩原则,证明了这些连续风险功能的新集中界限。 与这些取决于样本本身的界限的现有工程相比, 我们的界限只取决于样本数量。 这使我们能够回避重大分析挑战,并统一现有汤普森抽样算法的遗憾界限的现有证据。 我们表明,一大批风险功能以及这些功能的“良好”功能符合连续性条件。 我们利用我们新开发的分析工具包,分析这些连续风险功能的算法(多数值分布)和美元- NPTS(约束分布), 并证明它们承认现有汤普森抽样算法中风险偏差的错误界限。 我们的“良好”功能和“良好”功能的功能,以及这些功能的“良好”功能,都符合连续性条件。 我们使用我们新开发的分析工具包,我们分析了这些算法(多数值分布)和美元- MTMT(限制分布分布的分布) 和美元- NPTS) 的界限取决于样本数量。 。 这使我们得以接受在平均变量、CVaR和其他常态风险度风险模型下, 的可靠模拟措施的可靠地展示。

1
下载
关闭预览

相关内容

让 iOS 8 和 OS X Yosemite 无缝切换的一个新特性。 > Apple products have always been designed to work together beautifully. But now they may really surprise you. With iOS 8 and OS X Yosemite, you’ll be able to do more wonderful things than ever before.

Source: Apple - iOS 8
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
将门创投
6+阅读 · 2019年1月11日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
已删除
将门创投
6+阅读 · 2019年1月11日
Top
微信扫码咨询专知VIP会员