Algoritmo ottimale per risolvere i problemi del bandito armato?

Ho letto di un certo numero di algoritmi per risolvere problemi di bandito n-armati come -greedy, softmax e UCB1, ma ho qualche problema nell'ordinare quale approccio è meglio per minimizzare il rimpianto.$\epsilon$

Esiste un algoritmo ottimale noto per risolvere il problema dei banditi n-armati? Esiste una scelta di algoritmo che sembra funzionare meglio nella pratica?

Ecco due documenti del sondaggio che ho trovato di recente. Non li ho ancora letti, ma gli abstract sembrano promettenti.

Joann`s Vermorel e Mehryar Mohri: Multi-Armed Bandit Algorithms and Empirical Evaluation (2005)

Dall'abstract:

Il problema del bandito multi-braccio per un giocatore d'azzardo è decidere quale braccio di una slot machine K tirare per massimizzare la sua ricompensa totale in una serie di prove. Molti problemi di apprendimento e ottimizzazione del mondo reale possono essere modellati in questo modo. Diverse strategie o algoritmi sono stati proposti come soluzione a questo problema negli ultimi due decenni, ma, per quanto ne sappiamo, non esiste una valutazione comune di questi algoritmi.

Volodymyr Kuleshov e Doina Precup: Algorithms for the multi-arms bandit problem (2000) Dall'abstract :

In secondo luogo, le prestazioni della maggior parte degli algoritmi variano notevolmente a seconda dei parametri del problema del bandito. Il nostro studio identifica per ciascun algoritmo le impostazioni in cui funziona bene e le impostazioni in cui funziona male.