标签: 霍夫丁不等式 - 文档

多臂老虎机UCB算法的置信上界推导与后悔界

2026-07-24 02:49:07

多臂老虎机 UCB 算法的置信上界推导与后悔界 1. 定义多臂老虎机问题明确问题设定：你有 K 个老虎机（臂），每个臂 i 有一个未知的奖励分布，均值为 μi。你每次选择拉一个臂，获得一个奖励。目标是在 T 轮后最大化累计奖励，或者说最小化累计遗憾（后悔）。形式化后悔（Regret）定义为：

多臂老虎机 UCB算法置信上界

霍夫丁不等式 共 1 篇文章