Thompson sampling

Thompson sampling 认为当某项行为被执行的时候，所获得收益的概率符合某种概率密度函数。
一般使用 beta 函数作为 Thompson sampling 的概率密度函数。
做 Thompson sampling 的时候，对每一个行为，按照该行为的概率密度函数，进行符合该概率密度函数分布的概率进行采样。

经过一段时间的采样之后，该行为的概率密度函数趋于稳定，但仍有一定的几率采到比较大或者比较小的采样收益。
这种方法，一方面考虑到了不同行为，获得收益的概率不同，同时也给与了否定当前收益期望较大的行为，以及采取当前期望较小行为的几率。

--------------待续