Back to search

National and Kapodistrian University of Athens

Mathematical Models and Algorithms for Contextual Multi-armed Bandit Problems

Abstract

dc:description

Η παρούσα διπλωματική εργασία αναφέρεται σε μια ειδική κατηγορία των προβλημάτων bandit, τα contextual bandits, καθώς και σε αλγορίθμους για προβλήματα εκμάθησης. Τα contextual bandits ανήκουν στον τομέα της ενισχυτικής μάθησης και σε ένα τέτοιο πρόβλημα, ο αλγόριθμος πρέπει να λαμβάνει αποφάσεις για την επιλογή ενεργειών με βάση τα contexts, τα οποία περιλαμβάνουν πληροφορίες για την τρέχουσα κατάσταση του συστήματος και πιθανόν προηγούμενα αποτελέσματα που έχουν συλλεχθεί. Στόχος του αλγορίθμου είναι να μάθει μια πολιτική που, με την πάροδο του χρόνου ,θα επιλέγει ενέργειες με το μεγαλύτερο πιθανό κέρδος. Στην εργασία θα γίνει αναφορά σε βασικές έννοιες, ορισμούς, παραδείγματα και εφαρμογές σχετικά με τα προβλήματα bandit. Αφού αναλυθούν τα κυριότερα αποτελέσματα σχετικά με τα stochastic και τα adversarial bandits, θα εμβαθύνουμε τη διατριβή σε θεωρήματα και αλγορίθμους που αφορούν τα contextual bandits, με έμφαση στον αλγόριθμο Thompson Sampling. Επίσης θα σχεδιαστούν μελέτες προσομοίωσης για την αξιολόγηση των αλγορίθμων Thompson και LinUCB σε διάφορες κατηγορίες προβλημάτων ενισχυτικής μάθησης.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Ζάχαρης Δημήτριος
  • Zacharis Dimitrios

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3356103

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Ζάχαρης Δημήτριος; Zacharis Dimitrios. Mathematical Models and Algorithms for Contextual Multi-armed Bandit Problems. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3356103