Online Stochastic Shortest Path with
  Bandit Feedback and Unknown Transition Function

         Aviv Rosenberg               Yishay Mansour
       Tel Aviv University, Israel         Tel Aviv University, Israel
       avivros007@gmail.com            and Google Research, Israel
                            mansour.yishay@gmail.com

                       Abstract
     We consider online learning in episodic loop-free Markov decision processes
     (MDPs), where the loss function can change arbitr ...