随机多目标多臂老虎机中的平衡采样

针对随机多目标多臂老虎机中帕累托最优臂的平衡采样难题，该研究提出了一种自适应前二采样算法。该方法以 KL 散度度量采样不公平性，在帕累托集稳定时期望不公平度与方差分别达到 $O(\log T/T)$ 和 $O(T^{-1})$ 理论界并匹配信息论下界。其探索强化变体在长时程下保持该期望收敛率，同时将方差界优化至 $O(\log^2 T/T^2)$。