ホントは７月中には書く予定だったんですが遅くなってしまった。いちおう数学があんま分からなくても「補足」以外は読み物になってるつもり。 元ネタは "Finite-time Analysis of the Multiarmed Bandit Probrem" http://homes.dsi.unimi.it/~cesabian/Pubbl…

以下は登場する数式を(なるべく)直感的に(厳密性をけっこう犠牲にして)解釈したもの。数式多め。簡単のため台は２個とします（K=2）。 補足１ 収入をxとして、期待値がベストな台の収入の確率分布を、ベストでない適当な台iの収入の確率分布をとします。 こ…