N 槽位老虎机实验
在随机多臂老虎机中比较探索-利用策略。
每个臂有未知的 Bernoulli 奖励概率。每一步智能体选择一个臂并观察 0 或 1 的奖励。
- Epsilon-Greedy: 以 epsilon 概率随机探索。
- UCB1: 对不确定臂给予乐观奖励。
- Thompson Sampling: 通过 Beta 分布进行贝叶斯后验采样。
平均奖励
累计后悔
臂（真实概率）
手动编辑或随机化后点击应用。
运行信息
当前运行： 0 / 0
步数： 0 / 0
平均奖励： -
累计后悔： -