Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2410.06307v2

帮助 | 高级搜索

数学 > 优化与控制

arXiv:2410.06307v2 (math)
[提交于 2024年10月8日 (v1) ,最后修订 2025年6月5日 (此版本, v2)]

标题: 模型预测控制对于不安分的多臂老虎机几乎是最佳的

标题: Model Predictive Control is Almost Optimal for Restless Bandit

Authors:Nicolas Gast, Dheeraj Narasimha
摘要: 我们研究了离散时间无限时域平均奖励的不安分马尔可夫多臂老虎机(RMAB)问题。 我们提出了一种基于\emph{模型预测控制}的非平稳策略,具有滚动计算时域$\tau$。 在每个时隙,该策略求解一个$\tau$时域线性规划,其第一个控制值被保留为 RMAB 的控制。 我们的解决方案假设最少,并以$\tau$和手臂数量$N$来量化最优性的损失。 我们证明了其次优性差距一般为$O(1/\sqrt{N})$,在局部稳定性条件下为$\exp(-\Omega(N))$。 我们的证明基于动态控制领域的一个框架,称为\emph{耗散性}。 与最先进的方法相比,我们的解决方案易于实现且在实践中表现出色。 此外,我们的解决方案和证明方法都可以轻松推广到更一般的约束MDP设置,因此,应该会引起新兴的RMAB社区的极大兴趣。
摘要: We consider the discrete time infinite horizon average reward restless markovian bandit (RMAB) problem. We propose a \emph{model predictive control} based non-stationary policy with a rolling computational horizon $\tau$. At each time-slot, this policy solves a $\tau$ horizon linear program whose first control value is kept as a control for the RMAB. Our solution requires minimal assumptions and quantifies the loss in optimality in terms of $\tau$ and the number of arms, $N$. We show that its sub-optimality gap is $O(1/\sqrt{N})$ in general, and $\exp(-\Omega(N))$ under a local-stability condition. Our proof is based on a framework from dynamic control known as \emph{dissipativity}. Our solution easy to implement and performs very well in practice when compared to the state of the art. Further, both our solution and our proof methodology can easily be generalized to more general constrained MDP settings and should thus, be of great interest to the burgeoning RMAB community.
评论: 已被COLT 2025接受并审阅
主题: 优化与控制 (math.OC) ; 机器学习 (cs.LG); 概率 (math.PR); 机器学习 (stat.ML)
引用方式: arXiv:2410.06307 [math.OC]
  (或者 arXiv:2410.06307v2 [math.OC] 对于此版本)
  https://doi.org/10.48550/arXiv.2410.06307
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Dheeraj Narasimha [查看电子邮件]
[v1] 星期二, 2024 年 10 月 8 日 19:34:23 UTC (203 KB)
[v2] 星期四, 2025 年 6 月 5 日 07:08:44 UTC (149 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.OC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-10
切换浏览方式为:
cs
cs.LG
math
math.PR
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号