多臂老虎机导论(一)引言

  本系列主要是上述这本Introduction to Multi-Armed Bandits的读书笔记。   多臂老虎机是一个简单但非常强大的算法框架，主要是在一段时间内不确定情况下做出决策。主要描述的是，一个算法有K个可能的动作可供选择，也就是臂，还有T轮。在每一轮中，算法选择一个臂，并为这个臂收集一个奖励。奖励是独立于某个固定的分布（即，只取决于所选的臂），但算法不知道这个分布。算法最核心的

>>阅读原文<<