Algoritmo Bandit Multi-Obiettivo per l'Approssimazione della Frontiera di Pareto
Un nuovo articolo su arXiv introduce THV-UCB, un algoritmo per la selezione di slate multi-obiettivo in problemi bandit stocastici. A ogni round, l'agente seleziona k braccia e osserva vettori di ricompensa d-dimensionali con feedback semi-bandit. Invece di identificare un'unica braccia ottimale, l'obiettivo è mantenere un piccolo insieme di azioni che approssimano la frontiera di Pareto. L'obiettivo è formalizzato attraverso l'ipervolume dominato indotto dal sottoinsieme selezionato, con un α-approximate hypervolume regret dove α = 1 - 1/e riflette la garanzia di massimizzazione greedy per funzioni submodulari monotone. THV-UCB seleziona le braccia greedy basandosi su stime ottimistiche dei contributi marginali di ipervolume. L'algoritmo raggiunge un bound di regret gap-free di Õ(d√(nkT)).
Fatti principali
- L'articolo arXiv 2607.26273 introduce l'algoritmo THV-UCB
- Affronta il problema bandit stocastico multi-obiettivo con selezione di slate
- L'agente seleziona k braccia per round e osserva vettori di ricompensa d-dimensionali
- L'obiettivo è approssimare la frontiera di Pareto con un piccolo insieme di azioni
- Utilizza l'ipervolume dominato come metrica di performance
- α-approximate hypervolume regret con α = 1 - 1/e
- THV-UCB seleziona le braccia greedy basandosi su stime ottimistiche dei contributi marginali di ipervolume
- Bound di regret: Õ(d√(nkT))
Entità
Istituzioni
- arXiv