Key points are not available for this paper at this time.
Nous considérons un problème de classement et de sélection bayésien avec des récompenses normales indépendantes et une croyance normale multivariée corrélée sur les valeurs moyennes de ces récompenses. Étant donné que cette formulation du problème de classement et de sélection modélise la dépendance entre les valeurs moyennes des alternatives, les algorithmes peuvent tirer parti de cette dépendance pour fonctionner efficacement même lorsque le nombre d'alternatives est très élevé. Nous proposons une politique d'échantillonnage entièrement séquentielle appelée la politique de gradient de connaissance, qui est prouvée optimale dans certains cas particuliers et a une sous-optimalité bornée dans tous les autres. Nous démontrons ensuite comment cette politique peut être appliquée pour maximiser efficacement une fonction continue sur un domaine continu tout en étant contraint à un nombre fixe de mesures bruitées.
Frazier et al. (Mer,) ont étudié cette question.