Laboratoire N-Slot Bandit
Comparez les stratégies exploration-exploitation dans un bandit multi-bras stochastique.
Chaque bras a une probabilité Bernoulli inconnue. À chaque étape, l’agent choisit un bras et observe une récompense 0 ou 1.
- Epsilon-Greedy: exploration aléatoire avec probabilité epsilon.
- UCB1: bonus d’optimisme pour les bras incertains.
- Thompson Sampling: échantillonnage bayésien via des distributions Beta.
Récompense moyenne
Regret cumulé
Bras (probabilités réelles)
Modifiez à la main ou randomisez puis cliquez sur Appliquer.
Info d’exécution
Exécution en cours : 0 / 0
Pas : 0 / 0
Récompense moy. : -
Regret cumulé : -