任务 1

在 k 臂赌博机（k-arm bandit）问题的背景下，决策算法面临的最主要挑战是什么？

a. 在第一个时间段开始之前确定最优的行动序列。

b. 在探索未知行动与利用已知高回报行动之间取得平衡。

c. 预测每个行动的回报将如何随时间变化。

d. 在时间区间 T 内最小化所采取的行动总数。

[总计 3 分]