Ch2: 多臂老虎机
Multi-armed Bandits · Sutton & Barto §2.1–2.8
← 返回首页
算法对比
Live 模式 (单次运行)
仿真参数
步数
独立运行次数
随机种子
对比配置
+ 添加
▶ 运行仿真
平滑: 开
结果汇总
Live 控制
算法
ε-greedy
UCB
Gradient
ε
0.10
c (UCB)
2.0
α (gradient)
0.10
↺ 重置
⏭ 单步
▶ 播放
速度: 50ms
统计
步数:
0
累计奖励:
0.00
平均奖励:
0.00
选中最优臂:
0%
10台老虎机 — 每张卡片一根杆
蓝色条 = 估值 Q
金线 = 真实均值 μ
绿光 = 刚拉过
⭐ = 最优臂
💡 键盘快捷键：← → 切换章节