Combinatorial Pure Exploration with Full-bandit Feedback and Beyond: Solving Combinatorial Optimization under Uncertainty with Limited Observation

要約

組み合わせ最適化は、理論コンピューターサイエンスとオペレーションズリサーチで広く研究されている基礎研究分野の 1 つです。
組み合わせ最適化のアルゴリズムを開発する場合、一般に、エッジの重みなどのパラメーターが入力として正確にわかっていると想定されます。
ただし、レコメンダー システム、クラウドソーシング、通信ネットワーク、オンライン広告などの多くのアプリケーションでは、入力パラメーターが不確実であるか、最初は不明であることが多いため、この仮定は満たされない可能性があります。
このような不確実性を解決するために、多腕バンディット (CPE) とその亜種の組み合わせによる純粋探索の問題がますます注目を集めています。
CPE に関する以前の研究では、セミバンディット フィードバックが研究されているか、個々のエッジからの結果がすべてのラウンドで常にアクセス可能であると想定されていました。
ただし、予算の上限やプライバシーへの懸念などの実際的な制約により、最近のアプリケーションではこのような強力なフィードバックが常に利用できるとは限りません。
この記事では、限られたフィードバックを使用した組み合わせ純粋探索問題に対して最近提案された手法をレビューします。

要約(オリジナル)

Combinatorial optimization is one of the fundamental research fields that has been extensively studied in theoretical computer science and operations research. When developing an algorithm for combinatorial optimization, it is commonly assumed that parameters such as edge weights are exactly known as inputs. However, this assumption may not be fulfilled since input parameters are often uncertain or initially unknown in many applications such as recommender systems, crowdsourcing, communication networks, and online advertisement. To resolve such uncertainty, the problem of combinatorial pure exploration of multi-armed bandits (CPE) and its variants have recieved increasing attention. Earlier work on CPE has studied the semi-bandit feedback or assumed that the outcome from each individual edge is always accessible at all rounds. However, due to practical constraints such as a budget ceiling or privacy concern, such strong feedback is not always available in recent applications. In this article, we review recently proposed techniques for combinatorial pure exploration problems with limited feedback.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google