DOPL: Direct Online Preference Learning for Restless Bandits with Preference Feedback

作者
Guojun Xiong,Ujwal Dinesha,Debajoy Mukherjee,Jian Li,Srinivas Shakkottai
出处
期刊:Cornell University - arXiv [Cornell University]
标识
DOI:10.48550/arxiv.2410.05527
摘要

Restless multi-armed bandits (RMAB) has been widely used to model constrained sequential decision making problems, where the state of each restless arm evolves according to a Markov chain and each state transition generates a scalar reward. However, the success of RMAB crucially relies on the availability and quality of reward signals. Unfortunately, specifying an exact reward function in practice can be challenging and even infeasible. In this paper, we introduce Pref-RMAB, a new RMAB model in the presence of \textit{preference} signals, where the decision maker only observes pairwise preference feedback rather than scalar reward from the activated arms at each decision epoch. Preference feedback, however, arguably contains less information than the scalar reward, which makes Pref-RMAB seemingly more difficult. To address this challenge, we present a direct online preference learning (DOPL) algorithm for Pref-RMAB to efficiently explore the unknown environments, adaptively collect preference data in an online manner, and directly leverage the preference feedback for decision-makings. We prove that DOPL yields a sublinear regret. To our best knowledge, this is the first algorithm to ensure $\tilde{\mathcal{O}}(\sqrt{T\ln T})$ regret for RMAB with preference feedback. Experimental results further demonstrate the effectiveness of DOPL.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
爱上百香果完成签到,获得积分10
刚刚
金金肖完成签到,获得积分10
刚刚
2秒前
zy完成签到,获得积分10
2秒前
机智妙之完成签到,获得积分10
3秒前
往哪李跑发布了新的文献求助10
4秒前
4秒前
大模型应助Rutin采纳,获得10
5秒前
小羊完成签到,获得积分10
5秒前
罗斯味SF完成签到,获得积分10
6秒前
6秒前
高大明辉完成签到,获得积分10
7秒前
7秒前
7秒前
8秒前
8秒前
Captain_H发布了新的文献求助30
8秒前
慕容雅旋完成签到,获得积分10
9秒前
信徒发布了新的文献求助10
10秒前
SS完成签到,获得积分0
10秒前
shann完成签到,获得积分10
11秒前
11秒前
LB应助Megan采纳,获得10
12秒前
665221发布了新的文献求助10
12秒前
科研通AI6.2应助小菲采纳,获得10
13秒前
裴仰纳发布了新的文献求助10
13秒前
13秒前
TCB发布了新的文献求助10
14秒前
15秒前
15秒前
15秒前
16秒前
16秒前
昵称发布了新的文献求助10
17秒前
fire完成签到 ,获得积分10
17秒前
17秒前
yao发布了新的文献求助30
18秒前
19秒前
碧蓝的钧发布了新的文献求助10
19秒前
19秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
The anomeric effect 1000
Principles of town planning: translating concepts to applications 1000
1 Peter and Christ's Descent to the Dead in Its Early Christian Reception 700
Nature-Inspired Computing: Concepts, Methodologies, Tools, and Applications 600
Perfectionism in School 600
Organizational Behavior 510
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7730154
求助须知:如何正确求助?哪些是违规求助? 9282035
关于积分的说明 20147191
捐赠科研通 7307617
什么是DOI,文献DOI怎么找? 3303445
关于科研通互助平台的介绍 2456214
邀请新用户注册赠送积分活动 2311806