2025_NIPS_Follow-the-Perturbed-Leader Nearly Achieves Best-of-Both-Worlds for the m-Set Semi-Bandit
文章核心总结与翻译
一、主要内容
本文聚焦m-集半臂赌博机问题（从d个臂中精确选择m个臂的组合半臂赌博机场景），研究了Follow-the-Perturbed-Leader（FTPL）算法在对抗性和随机性环境下的性能。在对抗性环境中，已知Follow-the-Regularized-Leader（FTRL）算法能达到O(√(nmd))的最优遗憾界，但需通过优化问题计算臂选择概率；而FTPL算法通过随机扰动选择损失最小的m个臂，无需复杂计算。作者证明了带Fréchet扰动的FTPL算法在对抗性环境下达到近最优遗憾界O(√(nm)(√(d log d)) + m^(5/6))，在随机性环境下实现对数级遗憾界O(∑(log n)/Δ_i)（Δ_i为非最优臂的次优间隙），接近“两全其美”（Best-of-Both-Worlds, BOBW）性能。同时通过下界证明，算法中的额外因子（log d和m(5/6)/d(1/2)）无法通过现有方法移除，进一步改进需全新分析框架。
二、创新点
- 首次将FTPL算法扩展到m-集半臂赌博机场景，实现了对抗性和随机性环境下的近BOBW性能（m ≤ d/2时）。
- 扩展了FTRL分析框架，适配m-集动作空间凸包无内点的特性，简化了原有证明逻辑。
- 解决了m-集半臂赌博机中臂选择概率结构复杂的分析难题，通过Fréchet扰动的特性保证算法效率。
- 建立了算法的下界，明确现有方法的性能极限，为后续研究指明方向。