Neue Erkenntnisse: Bandit-Optimierung mit global begrenzten Störungen

In einer kürzlich veröffentlichten Arbeit haben Forscher neue Fortschritte im Bereich der adversarialen Bandit-Optimierung erzielt. Dabei geht es um Probleme, bei denen die Verlustfunktionen nicht notwendigerweise konvex oder glatt sind.

Das Modell unterscheidet sich dadurch, dass in jeder Runde der Lernende einen Verlust sieht, der aus einer zugrunde liegenden linearen Komponente und einer zusätzlichen Störung besteht, die erst nach der Auswahl einer Aktion angewendet wird. Diese Störungen werden relativ zu den linearen Verlusten gemessen und unterliegen einem globalen Budget, das die kumulative Größe der Störungen über die Zeit begrenzt.

Die Autoren konnten sowohl erwartete als auch hochwahrscheinliche Regret-Grenzen für dieses Modell aufstellen. Als spezieller Fall ihrer Analyse erlangten sie eine verbesserte hochwahrscheinliche Regret-Grenze für die klassische Bandit-Linearoptimierung, also das Szenario ohne Störungen. Zusätzlich ergänzen sie die oberen Schranken durch einen nachgewiesenen unteren Regret-Beschränkungswert.

Diese Ergebnisse erweitern das theoretische Fundament der Bandit-Algorithmen und eröffnen neue Perspektiven für robuste Optimierungsstrategien in unsicheren und adversarialen Umgebungen.