Construction of Multi-Armed Bandit Methods for Practical Applications of Pure Exploration Problems

Research Project

Project/Area Number	24K15064
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61030:Intelligent informatics-related
Research Institution	Hokkaido University
Principal Investigator	田畑公次北海道大学, 電子科学研究所, 准教授 (20814445)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Keywords	多腕バンディット / 純粋探索問題 / 最適化問題 / アルゴリズム
Outline of Research at the Start	純粋探索問題は、A/Bテストのような最適選択肢を特定する最適腕識別問題を一般化したものであり、所与の誤識別率δに対して、確率1-δ以上で、与えられた判別関数が定める各腕の平均報酬の組に対する「正解」を正しく識別する問題として定式化される。最近では、純粋探索問題に対して漸近最適性を持つ汎用アルゴリズムが提案されるが、一般的な解法が存在しない最適化問題を解決する必要があることや、非効率的な「強制探索」が必要であるという問題点がある。本研究では、これらの最適化問題に対する効率的な解法を提案し、強制探索に依存しない効率的な探索アルゴリズムの開発を行う。