우리는 어떤 종류의 실제 상황에서 다중 무기 산적 알고리즘을 사용할 수 있습니까?

다중 무기 산적은 선택이 있고 어느 쪽이 자신의 복지를 극대화 할 지 잘 모르는 상황에서 잘 작동합니다. 실제 상황에 따라 알고리즘을 사용할 수 있습니다. 예를 들어, 학습은 좋은 분야가 될 수 있습니다.

아이가 목공을 배우고 있고 그것에 나쁜 경우, 알고리즘은 아마 그 / 그녀가 계속 나아가 야한다고 알려줄 것입니다. 그가 능숙하다면 알고리즘은 그 분야를 계속 배우도록 지시 할 것이다.

데이트도 좋은 분야입니다.

당신은 여자를 추구하는 데 많은 '노력'을 넣어주는 사람입니다. 그러나 당신의 노력은 분명히 환영받지 못합니다. 알고리즘은 "약간"(또는 강하게) 계속 움직여야합니다.

멀티 팔 산적 알고리즘을 사용할 수있는 다른 실제 상황은 무엇입니까?

_{추신 : 질문이 너무 광범위하면 의견을 남겨주세요. 의견이 일치하면 질문을 제거하겠습니다.}

원래 포켓몬 게임 (빨강 또는 파랑 및 노랑)을 플레이하고 청자 도시에 도착하면 팀 로켓 슬롯 머신의 확률이 다릅니다. Porygon을 정말 빠르게 얻는 것을 최적화하고 싶다면 다중 암 산적입니다.

진지하게 사람들은 머신 러닝에서 튜닝 변수를 선택하는 문제에 대해 이야기합니다. 특히 변수가 많은 경우 탐색 대 착취에 대해 이야기합니다. 이 주제에서 Spearmint 또는 새로운 논문 과 같이 간단한 알고리즘을 사용하여 튜닝 매개 변수를 선택하고 다른 튜닝 변수 기술을 능가하는 방법을 참조하십시오.

그들은 생물 의학 치료 / 연구 디자인 환경에서 사용될 수 있습니다. 예를 들어, q- 러닝 알고리즘이 순차적, 다중 할당, 무작위 시험 ( SMART 시행 )에 사용 된다고 생각 합니다. 느슨하게, 아이디어는 치료 체제가 환자의 진행 상황에 최적으로 적응한다는 것입니다. 이것이 개별 환자에게 가장 좋은 방법은 분명하지만 무작위 임상 시험에서 더 효율적일 수도 있습니다.

온라인 광고의 A / B 테스트에 사용되며, 다른 광고가 다른 사용자에게 표시되고 결과에 따라 향후 어떤 광고를 게재할지 결정됩니다. 이것은에 설명되어 있습니다 Google 연구원 Steven L. Scott의 멋진 논문에 있습니다.

나는 Quora에 같은 질문을했다

여기에 답이 있습니다

• 조직의 여러 부서에 대한 자금 할당

• 제한된 시간과 임의의 선택 임계 값을 가진 학생 그룹에서 최고의 성과를내는 선수 선택

• 새로운 기능을 동시에 테스트하면서 웹 사이트 수입 최대화 (A / B 테스트 대신) 엄격한 통계 모델을 생성하기에 충분한 데이터가없는 경우 결과를 최적화해야 할 때 언제든지 사용할 수 있습니다.