Resumen

Este breve trabajo proporciona un algoritmo simple que selecciona una estrategia en cada momento en un conjunto dado de múltiples estrategias para problemas estocásticos de bandidos multiarmados, jugando así el brazo por la estrategia elegida en cada momento. El algoritmo sigue la idea del ϵ t -switching probabilístico en la estrategia ϵ t -greedy y es asintóticamente óptimo en el sentido de que la estrategia seleccionada converge a la mejor del conjunto bajo algunas condiciones sobre las estrategias del conjunto y la secuencia de { ϵ t } .

• Materias:Control del proceso Sistemas no lineales Regulación automática Instrumentación automática Optimización de procesos
• Subjects: Nonlinear systems Automatic regulation Automatic instrumentation Process optimization
• Palabras claves:conjunto, estrategia, problemas estocásticos de bandidos multiarmados, estrategia t -greedy, tiempo, breve artículo, estrategias múltiples, algoritmo simple, algoritmo, brazo
• Keywords:set, strategy, stochastic multiarmed bandit problems, t -greedy strategy, time, brief paper, multiple strategies, simple algorithm, algorithm, arm