Federated X-Armed Bandit

要約

この研究は、連合 $\mathcal{X}$ 武装バンディットの最初のフレームワークを確立します。そこでは、異なるクライアントが、同じドメイン上で定義された異種の局所目的関数に直面し、大域的最適値を協力して見つけ出す必要があります。
私たちは、このような問題に対して \texttt{Fed-PNE} という名前の最初の連合アルゴリズムを提案します。
階層分割内のグローバル目標のトポロジー構造と弱い平滑性特性を利用することにより、私たちのアルゴリズムは、クライアント数と評価予算の両方に関して線形未満の累積後悔を達成します。
一方、中央サーバーとクライアント間の対数通信のみが必要であり、クライアントのプライバシーが保護されます。
合成関数と実際のデータセットに関する実験結果は、さまざまな集中型および連合型のベースライン アルゴリズムに対する \texttt{Fed-PNE} の利点を検証します。

要約(オリジナル)

This work establishes the first framework of federated $\mathcal{X}$-armed bandit, where different clients face heterogeneous local objective functions defined on the same domain and are required to collaboratively figure out the global optimum. We propose the first federated algorithm for such problems, named \texttt{Fed-PNE}. By utilizing the topological structure of the global objective inside the hierarchical partitioning and the weak smoothness property, our algorithm achieves sublinear cumulative regret with respect to both the number of clients and the evaluation budget. Meanwhile, it only requires logarithmic communications between the central server and clients, protecting the client privacy. Experimental results on synthetic functions and real datasets validate the advantages of \texttt{Fed-PNE} over various centralized and federated baseline algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google