Sarcina 1

În contextul problemei 'k-arm bandit', care este principala provocare cu care se confruntă algoritmul de luare a deciziilor?

  1. Determinarea secvenței optime de acțiuni înainte de începerea primului interval de timp.
  2. Echilibrarea explorării acțiunilor necunoscute cu exploatarea acțiunilor cunoscute cu recompensă mare.
  3. Prezicerea modului în care recompensa fiecărei acțiuni se va schimba în timp.
  4. Minimizarea numărului total de acțiuni efectuate în intervalul de timp T.

[Total 3 puncte]