摘要： 本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton K臂赌博机 问题描述：你有k个选择，每个选择对应一个奖励，收益由所选动作决定的平稳概率分布产生，目标为最大化某段时间内的总收益期望。 联系我们在chapter1中提到的re 阅读全文