稀疏优化更新的随机匹配多臂老虎机框架

研究者提出了多项 Logit（MNL）选择模型下的随机匹配多臂老虎机框架，解决 $N$ 个智能体与 $K$ 个臂匹配时的长期收益最大化和后悔值最小化问题。针对每轮求解 NP-hard 组合优化带来的计算瓶颈，新算法将匹配策略的更新频率严格限制在整个时间范围 $T$ 内的 $\Theta(\log\log T)$ 次。