Minimisation du regret pour des bandits non-paramétriques grâce à la méthode de la vraisemblance empirique

Un agent doit choisir à chaque instant parmi K options produisant chacune une variable aléatoire de distribution inconnue. Son but est de maximiser la somme des variables obtenues. Comment doit-il s’y prendre ?

Pour le cas où les variables sont seulement supposées bornées, nous présentons une solution asymptotiquement optimale basée sur la construction de bornes supérieures de confiance par la méthode de la vraisemblance empirique.