stochastic-linear-bandits

本文研究了一种随机线性赌博机问题，其中智能体仅能观测到动作坐标的随机子集，证明了当动作具有低本征维度时可以实现次线性遗憾，并提出了一种具有理论保证的TOFU-POV算法。

本文提出绝对汤普森采样（ATS），这是对汤普森采样的一种改进，通过使用绝对探索噪声确保期望上的乐观性，在保持计算效率的同时实现了更简单的UCB风格遗憾分析。它达到了与现有TS界相匹配的遗憾，并引入了一种集成变体，该变体收敛于UCB行为。