本文研究风险敏感强化学习，提出了Trajectory Q-Learning算法和RS-DisRL框架，分析了风险度量对策略有效性和样本复杂度的影响。通过创新的元算法和新颖的估计技术，推导出RSRL的遗憾上界，解决了模型泛化问题，并在多代理环境中提升了DMIX算法的性能，拓展了风险敏感强化学习的应用。

本文提出了多种改进的上下文强盗算法，包括基于广义线性模型的算法和Doubly-Robust Lasso Bandit算法，旨在提高计算效率和减少遗憾。这些新算法在对抗性环境中表现优越，提供了近似最优的遗憾上界，并为实际应用提供了理论指导。

研究广义线性情境赌博问题，提出两种算法解决有限适应性模型，建立遗憾上界，消除关键参数依赖，实现较低的遗憾。

本文综述在线学习与在线优化算法，涵盖FlipFlop算法、连续时间无遗憾策略、非凸损失下的Perturbed Leader、无界域无标度算法、随时算法与动态定价、FTL曲率性质、马尔可夫决策过程两全学习、Hedge自适应学习率、动态比较基准及自适应对手强度，并统一了多种遗憾上界。