本文研究的对象是Bandit抽样过程，它包括两个基本模型：Bandit报酬过程和Bandit目标过程。Gittins对基于常见分布的Bandit抽样过程进......

应用贝叶斯方法，对未知Bandit报酬过程的抽样报酬基于Erlang（k）分布的单臂Erlang（k）Bandit报酬过程提出计算描述最优选择的平衡值序列的......

研究了红蓝攻防对抗中的射击策略优化问题,即研究红方面对多个蓝方目标,如何射击能获得最大收益的问题.基于以往研究的局限性,为平......

本文的主要目的是拓展具有指数策略的multi-armed bandit (MAB)随机调度模型,使之更符合复杂的现实背景：(1)诸arm具有不同的切换限......