強化學習系列（二）：Multi-armed Bandits(多臂老虎機問題）

一、前言 強化學習系列（一）：強化學習簡介中我們介紹了強化學習的基本思想，和工作過程，我們提到了強化學習的一大矛盾：平衡Exploration and Exploitation。本章我們以Multi-armed Bandits(多臂老虎機問題）爲例子，簡單介紹一下針對該問題的Exploration and Exploitation平衡方法。 二、問題描述 想想一下你可以重複一個選擇過程，每次有k個

>>阅读原文<<