Core Concepts
オンラインL♮凸関数最小化問題を解くための効率的なアルゴリズムを提案し、その理論的な性能保証を示す。
Abstract
本論文では、オンラインL♮凸関数最小化問題を扱う。L♮凸関数は離散凸関数の一般化であり、オンラインサブモジュラ最小化問題の枠組みを超えた問題設定を扱うことができる。
具体的には以下の2つの設定を考える:
全情報設定: 各ラウンドtにおいて、過去の全ての関数f1, f2, ..., ft-1を観測できる。
バンディット設定: 各ラウンドtにおいて、過去の選択した点z1, z2, ..., zt-1の関数値のみを観測できる。
これらの設定に対して、効率的なアルゴリズムを提案し、その理論的な性能保証を示す。特に全情報設定のアルゴリズムについては、最適な後悔界を達成することを示す。
また、L♮凸関数最小化問題の応用例を示す。
Stats
L♮凸関数の上界Lipschitz定数をˆLとすると、提案アルゴリズムの後悔界は以下のようになる:
全情報設定: E[RT] = O(ˆLN√dT)
バンディット設定: E[RT] = O(MdNT^(2/3))
さらに、L♮凸関数最小化問題に対して、どのようなアルゴリズムを用いても、Ω(ˆLN√dT)の後悔界が必要であることを示した。