arXiv stat.ML· Kenshi Abe, Kaito Ariu, Po-An Wang·· 3 小时前AI 评分18
Thompson Sampling 在零和博弈多智能体学习中的遗憾界分析
Thompson Sampling for Learning in Zero-Sum Games
AI 导读
研究分析了 Thompson Sampling（TS）在未知有限两人零和矩阵博弈、高斯 bandit 反馈下的表现：集中式自博弈中 TS 从后验采样单一收益矩阵并求解其纳什均衡，对具有唯一纳什均衡的固定零和博弈，期望累积对偶间隙为 O(√T)，纯均衡下可优化至 O(log T)。
来源：arXiv stat.ML · arxiv.org