推荐搜索之Bandit算法

多臂赌博机问题 ( Multi-armed bandit problem, K-armed bandit problem, MAB )。相比大家都是知道的，就是有多个把手每次坂动一个把手的时候会有不同的收益，也可能没有收益，那么怎么做才能知道收益最大的方法呢？这就是一个典型的如何分配Explore和Exploit的次数的问题，就是著名的探索-利用困境(Explore-Exploit dilemma