Laboratório N-Slot Bandit
Compare estratégias de exploração-exploração em um bandit estocástico multi-braço.
Cada braço tem uma probabilidade Bernoulli desconhecida. A cada passo o agente escolhe um braço e observa recompensa 0 ou 1.
- Epsilon-Greedy: exploração aleatória com probabilidade epsilon.
- UCB1: bônus de otimismo para braços incertos.
- Thompson Sampling: amostragem bayesiana posterior via distribuições Beta.
Recompensa média
Arrependimento acumulado
Braços (probabilidades reais)
Edite manualmente ou randomize e depois clique em Aplicar.
Info da execução
Execução atual: 0 / 0
Passo: 0 / 0
Recomp. média: -
Arrepend. acum.: -