UCB公式的理解

UCB公式的理解 在解決探索與利用平衡問題時，UCB1 策略是一個很有效的方法，而探索與利用平衡問題中最經典的一個問題就是多臂賭博機問題（Multi-Armed Bandit）。 圖來自[1] 問題假設：按下搖臂後的回報取值爲 1 或 0，每個搖臂獲得回報的概率服從不同的分佈，但事先並不知道 問題目標：按照某種策略來按壓搖臂以獲得最大的累計回報（咦，這不就是強化學習的目標嘛） 在這個問題中，探索與

>>阅读原文<<