N-Slot-Bandit-Labor
Vergleiche Exploration/Exploitation in einem stochastischen Multi-Armed Bandit.
Jeder Arm hat eine unbekannte Bernoulli-Belohnungswahrscheinlichkeit. In jedem Schritt wählt der Agent einen Arm und beobachtet 0 oder 1.
- Epsilon-Greedy: zufällige Exploration mit Wahrscheinlichkeit epsilon.
- UCB1: Optimismus-Bonus für unsichere Arme.
- Thompson Sampling: Bayesisches Posterior-Sampling via Beta-Verteilungen.
Durchschnittliche Belohnung
Kumulierter Regret
Arme (wahre Wahrscheinlichkeiten)
Manuell bearbeiten oder randomisieren, dann Anwenden klicken.
Laufinfo
Aktueller Run: 0 / 0
Schritt: 0 / 0
Durchschn. Belohnung: -
Kum. Regret: -