Laboratorio N-Slot Bandit
Confronta strategie di esplorazione-sfruttamento in un bandit multi-armed stocastico.
Ogni braccio ha una probabilita di ricompensa Bernoulli sconosciuta. A ogni step l agente sceglie un braccio e osserva ricompensa 0 o 1.
- Epsilon-Greedy: esplorazione casuale con probabilita epsilon.
- UCB1: bonus di ottimismo per bracci incerti.
- Thompson Sampling: campionamento Bayesiano del posteriore tramite distribuzioni Beta.
Ricompensa media
Regret cumulativo
Bracci (probabilita reali)
Modifica manualmente o randomizza, poi clicca Applica.
Info run
Run corrente: 0 / 0
Step: 0 / 0
Ricompensa media: -
Regret cumulativo: -