Высокомерные линейные бандиты с кнапсами
arXiv:2311.01327v3 Annualce Type: заменить резюме: мы исследуем контекстуальные бандиты с проблемой knapsack (CBwK) в высокомерной линейной настройке, где размер функции может быть очень большим. Наша цель - использовать сорняки, чтобы получить более четкие гарантии сожалений. С этой целью мы сначала разработаем онлайновый вариант алгоритма жесткого порогового значения, который будет производить низкую оценку в режиме онлайн. Затем мы встроили эту оценку в первичную схему: каждый кнапсак сжимается с двойной переменной, которая обновляется правилом онлайн-обучения для сохранения совокупного потребления ресурсов в рамках бюджета. Такой комплексный подход позволяет достичь двухэтапного сублинейного сожаления о том, что шкалы только логарифмичны с функциональными аспектами, улучшая положение в отношении полиномической зависимости, указанной в предыдущей работе. Кроме того, мы показываем, что одного из следующих структурных допущений достаточно для более жесткого сомненья в размере $\tilde {O}(s_ {0} sqrt {T} долл. США: i) разнородное состояние; и