EXP3算法

参考 本文章

Exp3算法

Exp3算法是解决多臂老虎机（MAB）问题的常用算法，其核心思想是，维护某一个臂概率，接着每次随机选择某个臂，根据选择后观察到的收益情况更新臂的权重，如此迭代下去，该算法可以保证后悔值在一定可接受范围内。

伪代码如下：

定义：
$\gamma \in (0,1]；$
$t为轮数；$
$i=1,2....K；$ $k为臂数$
$w(i)=1;$ 初始化

for t=1,2…
      for i=1:k

根据得出的概率P1 (t),P2(t),P3(t),…Pk(t).随机选择 i_t(i臂t时刻)
得到策略Pi(t)的回值 x_i_t$\in$[0,1].
                 for j=1,…K
                                   
                                   
                                    T为轮数
                      end for
          end for
end for