本文介绍了一种基于汤普森抽样的强化学习策略，利用Langevin Monte Carlo从后验分布中抽取Q函数，能够有效学习并在深度强化学习中表现优异。研究提出了改进算法，解决了探索与利用的平衡问题，并在多臂赌博问题中展示了良好的性能。

本文提出了一种改进的汤普森抽样策略，旨在解决探索不足的问题，并提供了理论证明。研究涵盖了基于在线最小二乘回归的频率分析、贝叶斯思想的算法泛化以及新型深度神经网络算法，展示了在多臂老虎机和上下文赌博问题中的有效性和优越性。

该文综述了随机梯度下降与赌博机算法的结合，提出基于在线SGD的广义线性赌博机算法，利用汤普森抽样平衡探索与利用，复杂度与T、d线性相关，遗憾为O(T)。同时涉及SGD收敛性分析、组合多臂赌博、连续臂全局优化及贝叶斯优化，多数方法在实验中优于现有算法。

该文汇总了多篇贝叶斯优化研究，涵盖：PBO框架，通过伯努利-高斯过程建模两两比较的赢家概率，以极少比较寻找最大值；随机延迟反馈下的算法及子线性遗憾保证；无需核心参数先验即可收敛的无后悔算法；以及多目标优化中的偏好模型估计、拟贝叶斯优化量化不确定性、期望改进转化为二分类、基于置信上界与汤普森抽样、密度比估计、约束多目标PAC-MOO和深度强化学习调参等方法。