在概率论中，多臂老虎机问题是学习者必须在竞争性（alternative）选择之间分配固定的有限资源集，以最大化预期收益的问题。在此问题中，学习者仅部分了解每个选择的属性，随着“试验/游戏”轮次的增加及资源的逐步分配，他们对每个选择的了解越来越多乐虎平台。这是经典的强化学习问题，它例证了勘探与开发之间的权衡困境。 想象在一排老虎机（有时称为“单臂匪徒”）前的赌徒，他们必须决定要玩哪些机器，每
在概率论中，多臂老虎机问题是学习者必须在竞争性（alternative）选择之间分配固定的有限资源集，以最大化预期收益的问题。在此问题中，学习者仅部分了解每个选择的属性，随着“试验/游戏”轮次的增加及资源的逐步分配，他们对每个选择的了解越来越多乐虎平台。这是经典的强化学习问题，它例证了勘探与开发之间的权衡困境。 想象在一排老虎机（有时称为“单臂匪徒”）前的赌徒，他们必须决定要玩哪些机器，每