具有切换成本的对抗组合赌博机
原文中文，约1300字，阅读约需3分钟。
📝
内容提要
本文研究了带有动作切换代价的敌对多臂赌博机问题，证明了玩家的最小极大后悔度为Θ(T^2/3)。探讨了反馈在在线学习中的作用，提出了优化算法以减少期望后悔，并研究了不同类型自适应对手的影响。还提出了新算法以改善政策遗憾边界，展示了在动态情况下的最佳后悔上限。
❓
Q&A
什么是带有动作切换代价的敌对多臂赌博机问题？
这是一个研究玩家在面对切换成本时的决策问题，旨在优化其在多臂赌博机中的表现。
玩家的最小极大后悔度是多少？
玩家的最小极大后悔度为Θ(T^2/3)。
文章中提到的优化算法有什么作用？
优化算法旨在减少期望后悔，并在部分反馈方案中实现平方根增长率的保证。
如何衡量自适应对手的强度？
通过新概念的策略遗憾来衡量，特别关注记忆和切换成本的自适应对手。
ESC算法和CombEXP算法的主要区别是什么？
ESC算法在随机情况下提供更好的遗憾性能，而CombEXP算法在对抗性情况下具有较低的计算复杂度。
文章中提到的包装器算法有什么优势？
包装器算法在某些对抗赌徒问题上获得了o(T)策略遗憾，表现出近乎最优的性能。
🏷️
