算法：多臂老虎机算法（Upper Confidence Bound）

• Upper Confidence Bound
  • 该算法于2002年提出，因其应用场景类似于老虎机得名
  • \alpha表示一次操作，Q(\alpha)表示执行该行动的平均回报，N(\alpha)表示执行\alpha的次数,N表示操作总次数,c是一个常数，通常取\sqrt{\frac{ln(N)}{2}}或者\sqrt{2}