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

1、前言 強化學習系列（一）：強化學習簡介中咱們介紹了強化學習的基本思想，和工做過程，咱們提到了強化學習的一大矛盾：平衡Exploration and Exploitation。本章咱們以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。web 2、問題描述 想一想一下你能夠重複一個選擇過程，每

>>阅读原文<<