Bài 1

Trong bối cảnh của thuật toán học tăng cường bandit k-tay (k-arm bandit ), hãy chọn một thách thức chính mà thuật toán này phải đối mặt trong số các lựa chọn sau đây?

  1. Xác định chuỗi hành động tối ưu trước khi khung thời gian đầu tiên bắt đầu.
  2. Cân bằng giữa việc khám phá các hành động chưa biết và khai thác các hành động đã biết có phần thưởng cao.
  3. Dự đoán phần thưởng của mỗi hành động sẽ thay đổi như thế nào theo thời gian.
  4. Giảm thiểu tổng số hành động được thực hiện trong khoảng thời gian T.

[Tổng 3 điểm]