强化学习系列（二）：Multi-armed Bandits(多臂老虎机问题）

1、前言 强化学习系列（一）：强化学习简介中咱们介绍了强化学习的基本思想，和工做过程，咱们提到了强化学习的一大矛盾：平衡Exploration and Exploitation。本章咱们以Multi-armed Bandits(多臂老虎机问题）为例子，简单介绍一下针对该问题的Exploration and Exploitation平衡方法。web 2、问题描述 想一想一下你能够重复一个选择过程，每

>>阅读原文<<