Detyra 1

Në kontekstin e problemit të banditit me k krahë, cila është sfida kryesore me të cilën përballet algoritmi i vendimmarrjes?

  1. Përcaktimi i sekuencës optimale të veprimeve para se të fillojë intervali i parë kohor.
  2. Balancimi midis eksplorimit të veprimeve të panjohura dhe shfrytëzimit të veprimeve të njohura me shpërblim të lartë.
  3. Parashikimi se si shpërblimi për secilin veprim do të ndryshojë me kalimin e kohës.
  4. Minimizimi i numrit total të veprimeve të ndërmarra brenda periudhës kohore T.

[Gjithsej 3 pikë]