面向基线不确定的保守型赌博机的储备感知对比证书

保守型赌博机必须在不耗尽规定性能预算的情况下改进现有策略。当现有策略不确定时，分别界定候选策略和基线的奖励，可能会因共享的估计误差而重复计费。我们围绕相对于基线的对比量本身构建了 Reserve-C4B。共享置信集给出了这一可避免惩罚的精确表达式，并在每个固定历史下提供了更严格的可接受性检验。储备账本将统计证据与允许的性能亏损分离开来；前缀刷新扩展则利用当前置信集重新认证已累积的决策，同时不丢弃此前已认证的信用额度。对于线性奖励，自归一化置信集可对随时间变化以及自适应生成的候选策略提供同时有效性保证，由此得到的策略以高概率满足条件均值性能约束。可复现实验分别考察了证书耦合、前缀刷新和历史信息的作用，显示基线回退次数大幅减少，同时也揭示了冻结证书的局限性。