• SMPyBandits: an Experimental F...

Treffer: SMPyBandits: an Experimental Framework for Single and Multi-Players Multi-Arms Bandits Algorithms in Python

Title:
SMPyBandits: an Experimental Framework for Single and Multi-Players Multi-Arms Bandits Algorithms in Python
SMPyBandits : un environnement expérimental en Python pour des simulations d'algorithmes de bandits manchots à un ou plusieurs joueurs
Authors:
Besson, Lilian
Contributors:
Institut d'Électronique et des Technologies du numéRique (IETR), Université de Nantes (UN)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), SUPELEC-Campus Rennes, Ecole Supérieure d'Electricité - SUPELEC (FRANCE), Sequential Learning (SEQUEL), Centre Inria de l'Université de Lille, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Signal, Communication et Electronique Embarquée (SCEE), Institut d'Electronique et de Télécommunications de Rennes (IETR), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-Centre National de la Recherche Scientifique (CNRS), CentraleSupélec
Publisher Information:
CCSD, 2018.
Publication Year:
2018
Collection:
collection:UNIV-NANTES
collection:UNIV-RENNES1
collection:CNRS
collection:INRIA
collection:INSA-RENNES
collection:IETR
collection:INRIA-LILLE
collection:SUP_SCEE
collection:SUP_IETR
collection:INRIA_TEST
collection:TESTALAIN1
collection:CENTRALESUPELEC
collection:CRISTAL
collection:INRIA2
collection:CRISTAL-SEQUEL
collection:UR1-HAL
collection:UR1-MATH-STIC
collection:UR1-UFR-ISTIC
collection:TEST-UR-CSS
collection:CENTRALESUPELEC-SACLAY-VP
collection:UNIV-RENNES
collection:UNIV-LILLE
collection:INSA-GROUPE
collection:INRIA2018-PREPRINT
collection:TEST-HALCNRS
collection:UR1-MATH-NUM
collection:NANTES-UNIVERSITE
collection:UNIV-NANTES-AV2022
Subject Terms:
sequential learning, multi-armed bandit, reinforcement learning, python, [MATH.MATH-ST]Mathematics [math], Statistics [math.ST], [INFO.INFO-IT]Computer Science [cs], Information Theory [cs.IT], [INFO.INFO-LG]Computer Science [cs], Machine Learning [cs.LG]
Original Identifier:
HAL: hal-01840022
Document Type:
E-Ressource preprint<br />Preprints<br />Working Papers
Language:
English
Access URL:
https://inria.hal.science/hal-01840022
https://inria.hal.science/hal-01840022v1/document
https://inria.hal.science/hal-01840022v1/file/SMPyBandits_presentation_paper__for_JMLR_MLOSS__Lilian_Besson__16-07-18.pdf
Rights:
info:eu-repo/semantics/OpenAccess
Accession Number:
edshal.hal.01840022v1
Database:
HAL

Weitere Informationen

SMPyBandits is a package for numerical simulations on single-player and multi-players Multi-Armed Bandits (MAB) algorithms, written in Python (2 or 3). This library is the most complete open-source implementation of state-of-the-art algorithms tackling various kinds of sequential learning problems referred to as Multi-Armed Bandits. It is extensive, simple to use and maintain, with a clean and well documented codebase. It allows fast prototyping of experiments, with an easy configuration system and command-line options to customize experiments.
SMPyBandits est un progiciel de simulation numérique pour les algorithmes de type bandits (Multi-Armed Bandits), écrit en Python (2 ou 3). Cette bibliothèque est l'implémentation libre la plus complète d'algorithmes s'attaquant à divers types de problèmes d'apprentissage séquentiels appelés Bandits Multi-Bras. La bibliothèque est très complète, simple à utiliser et à maintenir, avec une base de code propre et bien documentée. Il permet le prototypage rapide d'expériences, avec un système de configuration facile et des options en ligne de commande pour personnaliser les expériences.