多臂老虎机问题的有限时间分析

基于摘要分析。本文研究多臂老虎机中的探索与利用权衡，核心贡献是以简单、高效的策略，在奖励分布具有有界支撑的条件下，实现对所有时间均成立的对数级遗憾保证，而不只讨论渐近表现。 研究对象是序贯决策：策略既要探索潜在收益较高的动作，也要尽可能选择当前经验上最优的动作。遗憾衡量未始终遵循全局最优策略所造成的损失。摘要回顾了 Lai 和 Robbins 给出的对数级遗憾下界及后续渐近最优策略；作者报告，最优的对数级增长率也可由简单、高效的策略以有限时间保证实现。该结论的适用背景是摘要所述的有界支撑奖励分布，不能直接扩展为任意奖励或非平稳环境下的保证。 摘要未提供具体策略名称、动作选择公式、遗憾界常数及完整概率假设，因此尚不能据此重建算法或核验定理边界；实验协议、消融及统计信息尚未验证。复现理论结果需要取得正文，核对奖励生成条件、初始化方式及界对动作数量和收益差距的依赖。 平台推测（待验证）：其探索与利用机制可为 BCI 在线任务或反馈策略选择提供决策层参考，但并非 EEG 表征学习或解码方法。迁移假设是候选策略能够构成有限动作集，并获得可比较的有界奖励；可复用的是动作选择机制，需改造的是奖励定义与在线反馈接口。EEG 低信噪比、被试差异、通道变化及小样本反馈可能造成奖励估计不稳，疲劳与学习效应还可能破坏分布假设。可先在固定被试、固定通道的离线反馈回放中，比较探索策略与固定策略的累计收益，并单独检验引入会话漂移后的变化；这种回放不能直接验证真实闭环收益。相关 EEG 工作尚未检索确认。