Multi-armed bandit
term_id: multi_armed_bandit
Category: basic_concepts
Definition
Multi-armed bandit-problemet illustrerer dilemmaet, en agent står over for, når den skal beslutte, om den skal holde sig til en kendt belønnet mulighed (udnyttelse) eller prøve nye muligheder for at opdage potentielt bedre belønninger
Summary
Et multi-armed bandit-problem er et klassisk problem inden for sandsynlighedsteori og forstærkningslæring, der modellerer afvejningen mellem udforskning og udnyttelse.
Key Concepts
- Udforskning vs. udnyttelse
- Belønningsmaksimering
- Stokastiske processer
- Regret-minimering
Use Cases
- Optimering af A/B-tests
- Anbefalingssystemer
- Strategier for annonceplacering