多臂赌博机有多个摇臂，赌徒在投入一个硬币后可选择按下其中一个摇臂，每个摇臂以一定的概率吐出硬币，但这个概率赌徒并不知道首存送彩金38。赌徒的目标是通过一定的策略最大化自己的奖赏，即获得最多的硬币。1，如果知道每个动作的价值，每次选择价值最高的动作。2，否则将尝试机会平均分配给每个摇臂，最后将每个摇臂各自的平均吐币概率作为奖赏期望的近似估计。选择估值最高的动作称作开发（exploitation），选择其他动
多臂赌博机有多个摇臂，赌徒在投入一个硬币后可选择按下其中一个摇臂，每个摇臂以一定的概率吐出硬币，但这个概率赌徒并不知道首存送彩金38。赌徒的目标是通过一定的策略最大化自己的奖赏，即获得最多的硬币。1，如果知道每个动作的价值，每次选择价值最高的动作。2，否则将尝试机会平均分配给每个摇臂，最后将每个摇臂各自的平均吐币概率作为奖赏期望的近似估计。选择估值最高的动作称作开发（exploitation），选择其他动