多臂老虎机
term_id: multi_armed_bandit
Category: basic_concepts
Definition
多臂老虎机问题说明了智能体面临的困境：是坚持使用已知的奖励选项（利用），还是尝试新选项以发现可能带来更高奖励的策略。该问题旨在优化长期累积奖励。
Summary
多臂老虎机是概率论和强化学习中的一个经典问题，用于模拟探索与利用之间的权衡。
Key Concepts
- 探索与利用的权衡
- 奖励最大化
- 随机过程
- 遗憾最小化
Use Cases
- A/B测试优化
- 推荐系统
- 广告展示策略