ε-Greedy base multi-armed bandit

reinforcement_slot_machine.py ��xz}U @/�x}U #coding:utf-8 # ε-Greedy base multi-armed bandit import random slotmachine_rate = [3, 5, 10, 20, 16, 15, 21, 22, 6] score_map = [[0.0, 0] for i in xrange(len(slotmachine_rate))] search_rate = 0.1 def try_slot(i): return random.random() * slotmachine_rate[i] # first_try for i in xrange(len(slotmachine_rate)): score = try_slot(i) score_map[i][0] += score s

[TOKOROTEN]

ε-greedy法による強化学習っぽいバンディットアルゴリズムを書いた。 まぁ、そこそこうまく動いている。