Задача 1

Во контекст на проблемот со k-рачен бандит (анг. k-arm bandit problem), кој е примарниот предизвик со кој се соочува алгоритмот за донесување одлуки?

  1. Одредување на оптималната низа на акции пред да започне првиот временски интервал (анг. time-frame).
  2. Балансирање помеѓу истражување на непознати акции и искористување на познати акции со висока награда.
  3. Предвидување како наградата за секоја акција ќе се менува со текот на времето.
  4. Минимизирање на вкупниот број акции преземени во временскиот период T.

[Вкупно 3 поени]