Bandidos multiarmados: teoría y aplicaciones al aprendizaje en línea en redes

Título original:

Multi-Armed Bandits - Theory and Applications to Online Learning in Networks

Contenido del libro:

Los problemas del bandido de brazos múltiples están relacionados con la toma de decisiones secuenciales óptimas y el aprendizaje en entornos desconocidos. Desde el primer problema bandido planteado por Thompson en 1933 para la aplicación de ensayos clínicos, los problemas bandido han gozado de una atención duradera por parte de múltiples comunidades de investigación y han encontrado una amplia gama de aplicaciones en diversos dominios.

Este libro cubre resultados clásicos y desarrollos recientes sobre problemas bandit tanto bayesianos como frecuentistas. Comenzamos en el Capítulo 1 con una breve visión general de la historia de los problemas de bandido, contrastando las dos escuelas - bayesiana y frecuentista - de enfoques y destacando los resultados fundamentales y las aplicaciones clave. Los capítulos 2 y 4 tratan, respectivamente, de los modelos de bandido bayesiano y frecuentista canónicos.

En los Capítulos 3 y 5, analizamos las principales variantes de los modelos de bandido canónicos que conducen a nuevas direcciones, aportan nuevas técnicas y amplían las aplicaciones de este problema clásico. En el Capítulo 6, presentamos varios ejemplos de aplicación representativos en redes de comunicación y sistemas socioeconómicos, con el objetivo de iluminar las conexiones entre las formulaciones bayesiana y frecuentista de los problemas de bandido y cómo los resultados estructurales pertenecientes a una pueden aprovecharse para obtener soluciones bajo la otra.