Indexability and Rollout Policy for Multi-State Partially Observable\n Restless Bandits
Notice bibliographique
Résumé
Restless multi-armed bandits with partially observable states has\napplications in communication systems, age of information and recommendation\nsystems. In this paper, we study multi-state partially observable restless\nbandit models. We consider three different models based on information\nobservable to decision maker -- 1) no information is observable from actions of\na bandit 2) perfect information from bandit is observable only for one action\non bandit, there is a fixed restart state, i.e., transition occurs from all\nother states to that state 3) perfect state information is available to\ndecision maker for both actions on a bandit and there are two restart state for\ntwo actions. We develop the structural properties. We also show a threshold\ntype policy and indexability for model 2 and 3. We present Monte Carlo (MC)\nrollout policy. We use it for whittle index computation in case of model 2. We\nobtain the concentration bound on value function in terms of horizon length and\nnumber of trajectories for MC rollout policy. We derive explicit index formula\nfor model 3. We finally describe Monte Carlo rollout policy for model 1 when it\nis difficult to show indexability. We demonstrate the numerical examples using\nmyopic policy, Monte Carlo rollout policy and Whittle index policy. We observe\nthat Monte Carlo rollout policy is good competitive policy to myopic.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».