[控场AI]
概念minimax regret

极小极大regret

衡量bandit算法性能的标准指标,定义为算法累积损失与最佳固定动作累积损失之差对环境最坏情况取上界

时间轴 (近 90 天)

11月4日

对于弱可观测图bandit,已知的极小极大regret下界为Θ(T^{2/3}),其中T为总轮数。

待验证50%

全部知识事实 (1)

来源文章