Nhìn vào mã này, chúng ta thấy rằng các chức năng cập nhật đầu tiên gia số lĩnh vực tội
ghi lại số lần chúng tôi đã chơi mỗi cánh tay cho vấn đề tên cướp này
để phản ánh các cánh tay chọn. Sau đó nó tìm thấy giá trị ước tính hiện tại của cánh tay chọn.
Nếu đây là kinh nghiệm đầu tiên của chúng tôi bao giờ hết với các cánh tay lựa chọn, chúng ta thiết lập giá trị ước tính trực tiếp
đến các phần thưởng, chúng tôi vừa nhận được từ phát nhánh đó. Nếu chúng tôi đã chơi tay trong
quá khứ, chúng tôi cập nhật giá trị ước tính của cánh tay chọn để trở thành bình quân gia quyền của các
giá trị ước tính trước đây và phần thưởng, chúng tôi vừa nhận được. Trọng này là quan trọng,
bởi vì nó có nghĩa là quan sát duy nhất có nghĩa là ít hơn và ít hơn vào các thuật toán khi chúng tôi
đã có rất nhiều kinh nghiệm với bất kỳ tùy chọn cụ thể. Các trọng số cụ thể, chúng tôi đã
chọn được thiết kế để đảm bảo rằng giá trị ước tính là chính xác bằng với mức trung bình của
các phần thưởng, chúng tôi đã nhận được từ mỗi cánh tay.
đang được dịch, vui lòng đợi..