颓废的寒假
进了SVA
说好的vg和csgo还没打
哎
作业也没写

不过 弹弹堂经典服真好

为什么删我贴。
我现在不是爆吧狗。
连个因为有爱。所以存在和7年的生日贴都发不出。
捶桌

早就不再爆吧了好吗
都几百年了？

*反度 娘

Multi Armed Bandit Problem
-1-最坏的方法 随机选择一个机器
-2-
K kind of actions,
T times for one machine
Rewards Xi(t)
unknown expectation ui
目标： 最大化奖励 在有限的T次下
机器不会记录抓的情况
随机变量是相同的

比随机好一点点的method
Greedy Method

At 对QTA中最大值做出选择
argmax求和

Greedy method 存在的问题

升级版（
随机选择+greedy method 选最好的机器 的混合方法

两者要平衡

正态分布又是什么

eps 百分之几的代价获取信息