计算机科学 > 机器学习
[提交于 2025年10月13日
]
标题: 乐观Hedge在两人零和博弈中的紧致遗憾上界和下界
标题: Tight Regret Upper and Lower Bounds for Optimistic Hedge in Two-Player Zero-Sum Games
摘要: 在两人零和博弈中,基于乐观Hedge的学习动态在强解耦学习动态中实现了已知的最佳后悔上界之一。 通过适当选择学习率,社会后悔和个人后悔可以按照两名玩家的动作数量$m$和$n$被限制为$O(\log(mn))$。 本研究探讨了乐观Hedge的后悔中对$m$和$n$的依赖性的最优性。 为此,我们首先改进现有的后悔分析,并表明在对手动作数量已知的强解耦设置中,社会后悔和个人后悔的界限都可以改进为$O(\sqrt{\log m \log n})$。 在此分析中,我们将后悔上界表示为关于学习率和某些负项系数的优化问题,从而实现对主要常数的精细分析。 然后,我们通过提供与算法相关的个人后悔下界,证明现有的社会后悔上界以及这些新的社会和个体后悔上界无法进一步改进乐观Hedge。 重要的是,这些社会后悔上界和下界在主要项的常数因子上完全匹配。 最后,基于这些结果,我们改进了基于乐观Hedge的学习动态的最后迭代收敛速度和动态后悔,并用与算法相关的动态后悔下界补充这些界限,这些下界与改进的界限相匹配。
文献和引用工具
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
推荐器和搜索工具
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.