多臂Bandit process中的Bayes非参数方法

批准号:
71771089
项目类别:
面上项目
资助金额:
48.0 万元
负责人:
吴贤毅
依托单位:
学科分类:
G0102.运筹与管理
结题年份:
2021
批准年份:
2017
项目状态:
已结题
项目参与者:
曾林蕊、周学勤、张建军、张海彬、王伟伟、王志高、尚华婷、严悦承
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
微信扫码咨询
中文摘要
多臂Bandit过程(MAB)模型属于动态随机最优化/随机动态规划的范畴,广泛应用于精准医疗、临床试验、互联网技术,人工智能等。MAB由一组平行的可控随机过程组成,每个随机过程可以有两个选项:选择和不选择,一旦被选择,该过程就给出一个报酬流,MAB的目的是确定各个随机过程被选择和不选择的策略(时间分配),从而使得基于报酬流的一定的目标函数达到最优化。..Bayes非参数方法研究的是如何有效地对非参数统计学模型构造先验分布并进而使用使用Bayes方法进行统计学的推断。..本项目拟将非参数Bayes方法系统地引入MAB问题的研究,得到相应的最优或者一定意义上渐进最优的策略。这从理论上可以丰富MAB的研究内容次,从应用上可以为各种非参数MAB模型提供其相应的Bayes方法,从方法论的角度有可能会带来MAB决策问题的新方法和思考。
英文摘要
Multi-armed bandit process models lie in the domain of stochastic dynamic optimization or stochastic dynamic programming and have been extensively applied in personalized medicine, clinical trails, internet techniques, artificial intellegence and so on. An MAB consist of a collection of controllable stochastic processes, of which each allows for two options: selected and frozen and, once selected, gives rise to a flow of rewards. The objective of an MAB model is to decide the allocation of time to every member process so as to optimize certain objective functions of the overall reward flow... Bayesian nonparametrics aim at how to efficiently construct prior distributions for nonparametric statistical models so that one can make effecient statistical inference by means of Bayesian methodologies...This project intends to systematically introduce the ideas and methdologies of Bayesian nonparametrics into the research of MAB models so as to derive the policies that are optimal or asymptotically optimal in certain sense. It can enrich theoretically the content of MAB investigation, provide Bayesian analysis for the various nonparametric MAB models in the perspective of real-world applications and may give rise to new methods and insights from the point of view of methodologies.
多臂Bandit过程(MultiArmed Bandit processes)模型属于动态随机最优化/随机动态规划的范畴,广泛应用于精准 医疗、临床试验、互联网技术,人工智能等。MAB由一组平行的可控随机过程组成,每个随机过程可以有两个选项:选择和不选择,一旦被选择,该过程就给出一个报酬流,MAB的目的是确定各个随机过程被选择和不选择的策略(时间分配),从而使得基于报酬流的一定的目标函数达到最优。 Bayes非参数方法研究的是如何有效地对非参数统计学模型构造先验分布并进而使用B ayes方法进行统计推断。 本项目拟研究(1)Bayes非参数方法及其各种应用,(2)MAB问题的的相关研究,以及(3)Bayes非参数方法与MAB问题的结合。这从理论上可以丰富Bayes非参数方法及MAB的研究内容,从应用上可以为各种非参数MAB模型提供其相应的Bayes方法,从方法论的角度可以带来MAB决策问题的新方法和思考。..本项目的目标是从理论上研究Bayes非参数方法与MAB问题的结合。经过四年的努力,项目研究目标基本完成,得到了一些重要的关于MAB问题的结果,并对相关的问题如变量选择问题,对Bayes非参数方法的应用问题也进行了一定程度的研究,还尝试性地研究了经验Gittins indices以及强化学习(reinforcement learning,是对MAB进行扩展的一个领域)中Off-policy优化问题进行了研究。作为一项副产品,本项目的研究将项目组引入更具有吸引力和颇具时代特色的强化学习领域。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
DOI:10.13299/j.cnki.amjcu.002106
发表时间:2020
期刊:高校应用数学学报A辑(中文版)
影响因子:--
作者:章溢;熊佳;温利民;吴贤毅;周宪
通讯作者:周宪
DOI:10.4310/sii.2019.v12.n2.a4
发表时间:2019
期刊:Statistics and Its Interface
影响因子:0.8
作者:Haibin Zhang;Xianyi Wu;Xueqin Zhou
通讯作者:Haibin Zhang;Xianyi Wu;Xueqin Zhou
DOI:10.1016/j.csda.2020.106943
发表时间:2020-07
期刊:Computational Statistics & Data Analysis
影响因子:1.8
作者:Liu Wenchen;Tang Yincai;Wu Xianyi
通讯作者:Wu Xianyi
DOI:--
发表时间:2021
期刊:SIAM Journal on Control and Optimization
影响因子:--
作者:WENQING BAO;XIAOQIANG CAI;XIANYI WU
通讯作者:XIANYI WU
DOI:10.1017/asb.2020.42
发表时间:2020-12
期刊:ASTIN Bulletin
影响因子:--
作者:Zhigao Wang;Xianyi Wu;Chunjuan Qiu
通讯作者:Zhigao Wang;Xianyi Wu;Chunjuan Qiu
可信离线强化学习的置信下限方法:算法与理论
- 批准号:72371103
- 项目类别:面上项目
- 资助金额:41万元
- 批准年份:2023
- 负责人:吴贤毅
- 依托单位:
受限制策略下多臂Bandit过程的理论与应用研究
- 批准号:71371074
- 项目类别:面上项目
- 资助金额:57.0万元
- 批准年份:2013
- 负责人:吴贤毅
- 依托单位:
非标准随机调度模型的最优动态策略
- 批准号:71071056
- 项目类别:面上项目
- 资助金额:28.0万元
- 批准年份:2010
- 负责人:吴贤毅
- 依托单位:
机器具有中断条件下的随机调度问题
- 批准号:70671043
- 项目类别:面上项目
- 资助金额:19.0万元
- 批准年份:2006
- 负责人:吴贤毅
- 依托单位:
国内基金
海外基金
