Multi-armed Bandit Problem

Problem polega na wyborze jednego z $n$ ramion, które należy pociągnąć. Gdy pociągniemy ramię $k$ to dostajemy z niego jakąś nagrodę. Chcemy dokonywać takich wyborów ramion, aby maksymalizować sumę nagród.

Algorytmy:

• Gradient Bandit Algorithm