Tâche 1

Dans le contexte du problème du bandit à k bras, quel est le principal défi auquel est confronté l’algorithme de prise de décision ?

  1. Déterminer la séquence optimale d’actions avant le début du premier intervalle de temps.
  2. Équilibrer l’exploration d’actions inconnues avec l’exploitation d’actions connues à forte récompense.
  3. Prédire comment la récompense de chaque action évoluera au fil du temps.
  4. Minimiser le nombre total d’actions effectuées pendant la période T.

[Total 3 points]