Laboratorio N-Slot Bandit
Compara estrategias de exploración-explotación en un bandido multi-brazo estocástico.
Cada brazo tiene una probabilidad de recompensa Bernoulli desconocida. En cada paso el agente elige un brazo y observa recompensa 0 o 1.
- Epsilon-Greedy: exploración aleatoria con probabilidad epsilon.
- UCB1: bono de optimismo para brazos inciertos.
- Thompson Sampling: muestreo bayesiano posterior con distribuciones Beta.
Recompensa promedio
Arrepentimiento acumulado
Brazos (probabilidades reales)
Edita manualmente o aleatoriza y luego haz clic en Aplicar.
Info de ejecución
Corrida actual: 0 / 0
Paso: 0 / 0
Recompensa prom.: -
Arrepent. acum.: -