多臂老虎机问题及其解法

多臂老虎机问题是探索与利用权衡的经典模型，目标是最大化累积奖励并最小化遗憾。文章介绍了 ε-Greedy 算法和 Upper Confidence Bounds（UCB）等策略，通过实验估计动作价值并平衡随机探索与利用已知最优动作。算法实现位于 lilianweng/multi-armed-bandit。