标签
本文提出了一种用于部分可观察不休止赌博机中Whittle指数的t步前瞻阈值策略，证明了向精确指数的几何收敛并提高了数值精度。
本文研究了平均奖励弱耦合MDP和休止臂赌博机学习中的样本复杂度，利用一种新颖的基于Lyapunov的分析框架，确立了具有多项式复杂度的有限样本PAC保证。
本文研究具有二元隐状态和非完美二元反馈的非平稳多臂老虎机，开发了一个基于部分守恒定律（PCL）的框架，用于建立可索引性并计算Whittle索引，并应用于机会频谱接入。