Cooperative Bandit Learning in Directed Networks with Arm-Access Constraints
यह शोध पत्र विषम आर्म एक्सेस (heterogeneous arm access) वाले निर्देशित नेटवर्क में मल्टी-एजेंट मल्टी-आर्म्ड बैंडिट समस्याओं के लिए एक वितरित सर्वसम्मति-आधारित UCB एल्गोरिदम प्रस्तावित करता है, यह सिद्ध करते हुए कि एक द्रव्यमान-संरक्षण सूचना मिश्रण तंत्र (mass-preserving information mixing mechanism) असममित संचार और आंशिक आर्म उपलब्धता के बावजूद सभी एजेंटों के लिए लघुगणकीय पछतावा (logarithmic regret) प्राप्त करता है।