基于带惩罚的点概率距离策略优化算法 在展示广告实时竞标中的研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：  实时竞价（RTB）是在线展示广告中被广泛采用的广告投放模式，针对由于RTB拍卖环境的高度动态性导致最佳出价策略难以获得的问题，提出了一种基于强化学习（RL）的出价策略优化方法，即采用带惩罚的点概率距离策略优化（POP3D）算法来学习最佳出价策略。在基于POP3D的出价框架中，广告投标过程被建模为情节式的马尔可夫决策过程，每个情节被划分为固定数量的时间步，每个广告展示的出价由它的预估点击率大小和竞标因子共同决定。（剩余23257字）

试读结束

目录
monitor
客服机器人