摘要： 第二章 多臂tiger机问题 第一节 简介 强化学习是一种试错型学习范式。 第二节 问题介绍 多臂tiger机（multi-armed bandit，MAB）不存在状态信息，只有动作和奖励。有一个拥有K根拉杆的tiger机，拉动每一根拉杆都对应一个关于奖励的概率分布R。我们每次拉动其中一根拉杆，就可 阅读全文