Buchumschlag

High-dimensional Linear Bandits with Knapsacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Wanteng, Xia, Dong, Jiang, Jiashuo
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Data Structures and Algorithms
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MNL-Bandit with Knapsacks: a near-optimal algorithm
von: Aznag, Abdellah, et al.
Veröffentlicht: (2021)

Linear Submodular Maximization with Bandit Feedback
von: Chen, Wenjing, et al.
Veröffentlicht: (2024)

Quantum Algorithms for Bandits with Knapsacks with Improved Regret and Time Complexities
von: Su, Yuexin, et al.
Veröffentlicht: (2025)

Fast Adaptive Non-Monotone Submodular Maximization Subject to a Knapsack Constraint
von: Amanatidis, Georgios, et al.
Veröffentlicht: (2020)

Stochastic $k$-Submodular Bandits with Full Bandit Feedback
von: Nie, Guanyu, et al.
Veröffentlicht: (2024)

Submodular Maximization subject to a Knapsack Constraint: Combinatorial Algorithms with Near-optimal Adaptive Complexity
von: Amanatidis, Georgios, et al.
Veröffentlicht: (2021)

Time Fairness in Online Knapsack Problems
von: Lechowicz, Adam, et al.
Veröffentlicht: (2023)

Non-Stationary Online Resource Allocation: Learning from a Single Sample
von: Feng, Yiding, et al.
Veröffentlicht: (2026)

Adversarial Attacks on Combinatorial Multi-Armed Bandits
von: Balasubramanian, Rishab, et al.
Veröffentlicht: (2023)

Semi-Bandit Learning for Monotone Stochastic Optimization
von: Agarwal, Arpit, et al.
Veröffentlicht: (2023)

Stochastic Bandits with ReLU Neural Networks
von: Xu, Kan, et al.
Veröffentlicht: (2024)

Unlearning Offline Stochastic Multi-Armed Bandits
von: Ye, Zichun, et al.
Veröffentlicht: (2026)

Near-Optimal Regret for Efficient Stochastic Combinatorial Semi-Bandits
von: Ye, Zichun, et al.
Veröffentlicht: (2025)

Nearly-tight Approximation Guarantees for the Improving Multi-Armed Bandits Problem
von: Blum, Avrim, et al.
Veröffentlicht: (2024)

Stochastic Multi-Objective Multi-Armed Bandits: Regret Definition and Algorithm
von: Davoodi, Mansoor, et al.
Veröffentlicht: (2025)

Understanding Memory-Regret Trade-Off for Streaming Stochastic Multi-Armed Bandits
von: He, Yuchen, et al.
Veröffentlicht: (2024)

Greedy Algorithm for Structured Bandits: A Sharp Characterization of Asymptotic Success / Failure
von: Slivkins, Aleksandrs, et al.
Veröffentlicht: (2025)

Nearly Tight Bounds for Exploration in Streaming Multi-armed Bandits with Known Optimality Gap
von: Karpov, Nikolai, et al.
Veröffentlicht: (2025)

Learning Mixture Models via Efficient High-dimensional Sparse Fourier Transforms
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2026)

Tight Gap-Dependent Memory-Regret Trade-Off for Single-Pass Streaming Stochastic Multi-Armed Bandits
von: Ye, Zichun, et al.
Veröffentlicht: (2025)

No-Regret M${}^{\natural}$-Concave Function Maximization: Stochastic Bandit Algorithms and Hardness of Adversarial Full-Information Setting
von: Oki, Taihei, et al.
Veröffentlicht: (2024)

Stochastic Submodular Bandits with Delayed Composite Anonymous Bandit Feedback
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2023)

The Best Arm Evades: Near-optimal Multi-pass Streaming Lower Bounds for Pure Exploration in Multi-armed Bandits
von: Assadi, Sepehr, et al.
Veröffentlicht: (2023)

Approximating the Geometric Knapsack Problem in Near-Linear Time and Dynamically
von: Buchem, Moritz, et al.
Veröffentlicht: (2024)

Learning-Augmented Streaming Algorithms for Correlation Clustering
von: Dong, Yinhao, et al.
Veröffentlicht: (2025)

Introduction to Multi-Armed Bandits
von: Slivkins, Aleksandrs
Veröffentlicht: (2019)

Towards Optimal Differentially Private Regret Bounds in Linear MDPs
von: Sahu, Sharan
Veröffentlicht: (2025)

Efficient, Low-Regret, Online Reinforcement Learning for Linear MDPs
von: John, Philips George, et al.
Veröffentlicht: (2024)

Linear Programming based Approximation to Individually Fair k-Clustering with Outliers
von: Maity, Binita, et al.
Veröffentlicht: (2024)

TimeCluster with PCA is Equivalent to Subspace Identification of Linear Dynamical Systems
von: Hines, Christian L., et al.
Veröffentlicht: (2025)

Positional LSH: Binary Block Matrix Approximation for Attention with Linear Biases
von: Wolfson, Daniel, et al.
Veröffentlicht: (2026)

Hardness of High-Dimensional Linear Classification
von: Munteanu, Alexander, et al.
Veröffentlicht: (2026)

Efficient Algorithms for Verifying Kruskal Rank in Sparse Linear Regression and Related Applications
von: Zhou, Fengqin
Veröffentlicht: (2025)

A Single-Sample Polylogarithmic Regret Bound for Nonstationary Online Linear Programming
von: Xu, Haoran, et al.
Veröffentlicht: (2026)

Online Unbounded Knapsack
von: Böckenhauer, Hans-Joachim, et al.
Veröffentlicht: (2024)

Faster Sampling from Log-Concave Densities over Polytopes via Efficient Linear Solvers
von: Mangoubi, Oren, et al.
Veröffentlicht: (2024)

Minimum-Cost Network Flow with Dual Predictions
von: Chen, Zhiyang, et al.
Veröffentlicht: (2026)

Finite and Corruption-Robust Regret Bounds in Online Inverse Linear Optimization under M-Convex Action Sets
von: Oki, Taihei, et al.
Veröffentlicht: (2026)

Simple and Faster Algorithms for Knapsack
von: He, Qizheng, et al.
Veröffentlicht: (2023)

Online Knapsack Problems with Estimates
von: Balabán, Jakub, et al.
Veröffentlicht: (2025)