吃角子山君機 (bandit) 是一種賭場常見的機器，玩家將硬幣投入後拉下拉桿，接著會隨機出現分歧圖案，假如停止時呈現契合溝通或特定不異圖案連線，則可以按照賠率獲得特定的報酬 (reward) 。

 

優拓資訊採用更前進的「情境式吃角子山君機」 (contextual bandit) ，摹擬大腦「情境」與「嘉獎」的調控機制，透過外部「情境」的更新，進行更好的展望。「多臂吃角子老虎機」便是一種「選取策略」，透過過去使用者點擊的記載，選擇使「期望采辦機率」極大化的按鈕。 在某些假定下，我們可以透過數學證實「εn-貪心策略」在遊戲次數足夠多時，選到最好機械的機率非常高¹。

 

生涯中的吃角子山君機

 

吃角子山君問題架構在糊口中隨處可見。

 

ε-貪心 (ε-greedy) 策略：邊學邊賺的演算法

 

「ε-優先策略」有兩個比力大的問題，一是在前 100 次的遊戲中，是否真的摸索足夠了？假如今天有 50 台的機台，每一個機台有 5 種可能的報酬，那麼前 100 次的遊戲中我們只能認識不到一半的可能性。好比說，旁邊的賭客如果咒罵某台吃角子老虎機很糟，那麼賭徒應當要避免除拉那台機械。

 

然而如許的方式有兩個問題，首先，如果每一個小設計都需要蒐集 200 份問卷，或是約請 20 個消費者進行訪談，本錢其實相當高，其實不能經常履行。在「ε-優先策略」中，指的是「探索次數佔總次數的百分比」。

 

透過「情境」解決複雜的問題

 

傳統的多拉桿吃角子老虎機問題已經有相當多的解法，如運用統計學中相信區間方式的「信賴上界」 (upper confidence bound)¹ ，也有用來處理每台機器每一次獎勵都會改變的「指數加權」 (exponential weighted)¹ 演算法等；然而，這些演算法都無法納入實際「情境」 (context) 進行考量。另外，消費者的謎底是很輕易被問卷或訪談主持人引誘的，是以我們可能並不能獲得真正會吸引消費者購買的按鈕。「情境式吃角子老虎機」將能協助機械在「索求」與「開發」的報酬及風險中取得更好的平衡。以後的 900 次遊戲，賭徒將會憑據曩昔的報答的紀錄，每次遊戲皆選擇平均報答最高的機台進行，全力衝刺賺取最大待遇。站在玩家的立場，方針應當是透過機器的選擇，在遊戲中取得最大「期望酬勞」。積累足夠次數的摸索，對於每台機器的期望報答有了一定的領會之後，賭徒就能夠開始進行開辟 (exploitation) ，不斷去玩最有潛力（期望酬勞最高）的機台，獲得最大的累積酬勞。是以，在每輪選擇吃角子山君機時，將有 ε 的機率隨機選擇一台吃角子山君機（索求），有 1 - ε 的機率會選擇曩昔平均酬勞最大的機械（開辟）。再簡化一點，吃角子山君機的運作體式格局其實就是「玩家拉下拉桿，將會得到一個具有隨機性的報酬」。假如摸索得太多，可能會造成真正得到的報酬沒法極大化；如果索求得太少，則可能錯失高報答的機器。

 

「ε-貪心策略」 進展可以或許在極力「開辟」的同時，偶然也試著去「索求」分歧的拉桿。比如說，有下列四個不同設計的按鈕，每個按鈕都是一台「吃角子山君機」，而在消費者進入商品頁面時我們進展呈現出「期望購買機率」最大的按鈕，此時每個拉桿的「期望報酬」即是「期望采辦機率」。

 

多臂吃角子山君機 (multi-armed bandit) ，指的則是很多台吃角子老虎機給玩家選擇，每台機器可以得到的期望報酬皆不一樣。

 

在每一輪選擇吃角子老虎機時，將有 εn 的機率隨機選擇一個吃角子老虎機（摸索），有 1 - εn 的機率會選擇曩昔平均報答最大的機械（開發）， 而 εn將會跟著遊戲次數 n 上升而赓續降落。

招財8,招財8online,JP8,老虎機,SLOT,電動間,拉霸,彩金,遊藝場