实验条件 环境：多臂老虎机（动态环境） 臂数 (K): 10 步数 (T): 10^5 每个臂的的奖励分布：X\sim\text{Bernoulli}(\theta_i)\\ \text{其中，}\theta_i=\frac{i}{K+1}\ ,(i\in\{1,2,3...,K\}) 环境随机漫步

实验条件 环境：多臂老虎机 臂数 (K): 10 步数 (T): 10^5 每个臂的的奖励分布：X\sim\text{Bernoulli}(\theta_i)\\ \text{其中，}\theta_i=\frac{i}{K+1}\ ,(i\in\{1,2,3...,K\}) 算法：Greedy 表达

不同乐观初始化次数下的各贪婪算法的性能对比 实验条件 环境：50 臂伯努利分布多臂老虎机，每臂真实均值均平均分布于 (0,1) 步数：每次实验 10,000 步。 运行次数：50 次独立实验。 算法： 普通贪婪算法（Greedy） 固定 \epsilon-greedy 退火 \epsilon - g