Uppgift 1

I samband med k-armade banditproblemet, vilken är den huvudsakliga utmaningen som beslutsalgoritmen står inför?

  1. Att bestämma den optimala sekvensen av handlingar innan det första tidssteget.
  2. Att balansera utforskning av okända handlingar med utnyttjande av kända handlingar med hög belöning.
  3. Att förutsäga hur belöningen för varje handling kommer att förändras över tid.
  4. Att minimera det totala antalet handlingar som utförs under tidsperioden T.

[Totalt 3 poäng]