克服维度诅咒的最优单指标 Bandit 算法

本文提出了一种新的单指标 Bandit 算法，解决了上下文 Bandit 中的维度诅咒问题。它提供了非渐近理论，证明了极小极大最优性，并探讨了对未知平滑度的适应性。这项工作意义重大，因为它为推荐系统等现实世界应用中常见的高维 Bandit 问题提供了实用的解决方案。该算法适应未知平滑度的能力也是一项宝贵的贡献。

• •提出了一种用于高维上下文 Bandit 的单指标 Bandit 算法。
• •证明了极小极大最优性，克服了维度诅咒。
• •解决了对未知平滑度的适应性问题。
• •提供了随着维度增加的相变分析。