Epsilon Greedy 在小数量的手臂上表现优于 UCB

我正在使用各种算法实现强盗问题。我遇到的问题是,对于5个手臂和2000的时域,epsilon-greedy在epsilon值为0.95时表现得比UCB更好。我知道当时域与手臂数量相当时,epsilon-greedy确实表现得更好。但由于我的手臂数量远小于时域,UCB应该表现得更好。有人知道为什么会这样吗?我附上了我的UCB实现代码。

else if(algorithm.compare("UCB") == 0){if(pulls == 0){  armpullfrequency = new int[numArms];  armRewards = new float[numArms];  armmean = new double[numArms];  UCB = new double[numArms];  for(int i=0; i<numArms; i++){    armpullfrequency[i] = 0;    armRewards[i] = 0.0;    armmean[i] = (double)0;    UCB[i] = (double)0;  }}else{  armpullfrequency[pulled_arm] = armpullfrequency[pulled_arm] + 1;  armRewards[pulled_arm] = armRewards[pulled_arm] + reward;}int selected_arm = 0;//int randint = (rand() % 100);if(pulls<=6){  for(int i=0;i<numArms;i++){    if(armpullfrequency[i]==0){      selected_arm = i;      return selected_arm;    }  }}for(int i=0;i<numArms;i++){    int freq = armpullfrequency[i];    float prize = armRewards[i];    double mean = eval_mean(freq, prize);    armmean[i] = mean;  }for(int i=0; i<numArms;i++){  int freq = armpullfrequency[i];  double mean = armmean[i];  double UCBval = UCBUpdate(mean, freq, pulls);  UCB[i] = UCBval;}selected_arm = LargestElementIndex(UCB, numArms);return(selected_arm);

我的UCB和LargestElementIndex函数如下:

int LargestElementIndex(double arr[], int size){  int max = 0;  for(int i=0;i<size; i++){    if(arr[i]>max){     max = arr[i];    }  }  return max;}int UCBUpdate(double mean, int freq, int pulls){  double result = mean + sqrt((double)2.0 *(log(pulls))/(double)freq);  return result;}

UCB的结果是:-maxMean 0.5805 numTotalPulls 2000 cumulativeReward 716.308Regret = 444.692

Epsilon Greedy的结果是:-max means 0.5805 numTotalPulls 2000 cumulativeReward 823.948Regret = 337.052


回答:

我怀疑错误出在以下代码中:

int LargestElementIndex(double arr[], int size){  int max = 0;  for(int i=0;i<size; i++){    if(arr[i]>max){     max = arr[i];    }  }  return max;}

这段代码并没有返回UCB值最大的手臂的索引(这可能是你想要的)。这段代码只是返回数组中最大的UCB值,并将其转换为int类型。这可能可以通过以下方式修复:

int LargestElementIndex(double arr[], int size){  double max_val = -1000.0;  int max_idx = -1;  for(int i=0;i<size; i++){    if(arr[i]>max_val){     max_val = arr[i];     max_idx = i;    }  }  return max_idx;}

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注