强化学习入门: the 10-armed bandit problem，e-greedy 算法问题描述：the 10-armed bandit problem算法1： ϵ − g r e e
学习强化学习《Reinforcement Learning An Introduction》，2.3节，做了个Matlab的仿真。问题描述：the 10-armed bandit problem这是一个重复做选择的问题。一共有10个选择，重复选择1000次。每次选择都会有奖励，奖励是符合固定的正态分布的。所以做不同的选择，获得的奖励不同；每次做的选择，尽管选择相同，但奖励也不同。你的目的...
