Offline Planning and Online Learning Under Recovering Rewards

计算机科学 离线学习 在线学习 人工智能 万维网
作者
David Simchi‐Levi,Zeyu Zheng,Feng Zhu
出处
期刊:Management Science [Institute for Operations Research and the Management Sciences]
标识
DOI:10.1287/mnsc.2021.04202
摘要

Motivated by emerging applications, such as live-streaming e-commerce, promotions, and recommendations, we introduce and solve a general class of nonstationary multi-armed bandit problems that have the following two features: (i) the decision maker can pull and collect rewards from up to [Formula: see text] out of N different arms in each time period and (ii) the expected reward of an arm immediately drops after it is pulled and then nonparametrically recovers as the arm’s idle time increases. With the objective of maximizing the expected cumulative reward over T time periods, we design a class of purely periodic policies that jointly set a period to pull each arm. For the proposed policies, we prove performance guarantees for both the offline and the online problems. For the offline problem when all model parameters are known, the proposed periodic policy obtains a long-run approximation ratio that is at the order of [Formula: see text], which is asymptotically optimal when K grows to infinity. For the online problem when the model parameters are unknown and need to be dynamically learned, we integrate the offline periodic policy with the upper confidence bound procedure to construct on online policy. The proposed online policy is proved to approximately have [Formula: see text] regret against the offline benchmark. Our framework and policy design may shed light on broader offline planning and online learning applications with nonstationary and recovering rewards. This paper was accepted by J. George Shanthikumar, data science. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2021.04202 .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
善良的火完成签到 ,获得积分10
2秒前
平常的仙人掌完成签到,获得积分10
2秒前
研友_8KX15L完成签到,获得积分10
3秒前
MADAO完成签到 ,获得积分10
3秒前
李222222完成签到 ,获得积分10
3秒前
Herbs完成签到 ,获得积分10
5秒前
王晓静完成签到 ,获得积分10
5秒前
franklylyly完成签到,获得积分10
6秒前
平常山河完成签到 ,获得积分10
6秒前
竹羽完成签到 ,获得积分10
8秒前
卡卡完成签到,获得积分10
9秒前
善良海云完成签到,获得积分10
12秒前
似我完成签到,获得积分10
13秒前
陈居居完成签到,获得积分10
13秒前
hmj007完成签到,获得积分10
15秒前
15秒前
开放的紫伊完成签到,获得积分10
16秒前
12完成签到,获得积分10
16秒前
chawenxian2025完成签到,获得积分10
18秒前
19秒前
左丘冥发布了新的文献求助10
20秒前
研友_Lpawrn完成签到,获得积分10
22秒前
孟伟完成签到,获得积分10
24秒前
Nari发布了新的文献求助20
24秒前
nn发布了新的文献求助10
24秒前
重要忆秋完成签到,获得积分10
25秒前
峰回路转完成签到,获得积分10
26秒前
莫友安完成签到 ,获得积分10
27秒前
Micahaeler完成签到 ,获得积分10
28秒前
28秒前
fahbfafajk发布了新的文献求助20
28秒前
开心完成签到,获得积分10
28秒前
一期一会完成签到,获得积分10
29秒前
寒冷的迎梦完成签到,获得积分10
31秒前
RadiantYT完成签到,获得积分10
32秒前
Yunpeng Cai完成签到,获得积分10
33秒前
灯灯发布了新的文献求助10
33秒前
滴答dddd完成签到,获得积分10
34秒前
茹茹完成签到 ,获得积分10
34秒前
yiluyouni完成签到,获得积分10
34秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142849
求助须知:如何正确求助?哪些是违规求助? 2793786
关于积分的说明 7807358
捐赠科研通 2450052
什么是DOI,文献DOI怎么找? 1303590
科研通“疑难数据库(出版商)”最低求助积分说明 627016
版权声明 601350