---
title: "Minimax 最优性 (Minimax Optimality)"
created: 2026-06-10
updated: 2026-06-10
type: concept
tags: ["statistical-learning-theory", "lower-bounds", "information-theory"]
sources: ["[[minimax-policy-regret-pomg]]"]
---

# Minimax 最优性 (Minimax Optimality)

**Minimax 最优性**指算法的上界与问题的信息论下界匹配——即不可能有算法在 worst-case 下做得更好。

## 形式化

对于问题类 P 和算法 A：

- **上界**：对任意问题实例 p in P，R(A, p) <= U(T)
- **下界**：存在分布 D over P，任何算法满足 E_p[R] >= L(T)
- **Minimax 最优**：U(T) = Theta(L(T))

## 在 POMG 策略后悔中

[[minimax-policy-regret-pomg|Arora (2026)]] 建立了 POMG 中策略后悔的完整 minimax 特征：

**上界**：
```
PR(T) <= C * H * sqrt(beta_T * d_E * T) + polylog(T)
```

**下界**：任何算法必须满足
```
PR(T) >= Omega(sqrt(d_E * T))
```
即使在最简单的设置中（fully revealing POMG + 固定无记忆对手）。

→ 上下界在 sqrt(T) 和 d_E 依赖性上均匹配 → **minimax 最优**

## 下界构造

下界通过将多臂赌博机（MAB）实例编码到 POMG 的观测结构中构造，使得任何能在 POMG 中获得更好策略后悔的算法也可以在 MAB 中获得超最优的 regret——这与已知的 MAB 下界矛盾。

## 参考
- [[minimax-policy-regret-pomg|Minimax-Optimal Policy Regret in POMGs]]
- [[policy-regret|Policy Regret]]
- [[eluder-dimension|Eluder Dimension]]