10- Armed Bandit Test bed using greedy algorithm：这是一个使用贪婪算法创建10个武装匪徒测试床的脚本-matlab开发

这是一组 2000 个随机生成的 k 臂老虎机k = 10 的问题。对于每个强盗问题，动作值， q*(a), a = 1,2 .... 10, 是根据均值为 0 的正态（高斯）分布选择的，并且方差 1. 然后，当应用于该问题的学习方法在时间步长 t 选择动作 At 时， 实际奖励 Rt 选自均值为 q*(At) 且方差为 1 的正态分布。 对于任何学习方法，我们都可以衡量它的性能和行为，因为它随着经验的增加而改进应用于其中一个老虎机问题时的 1000 个时间步。 这构成了一次运行。 重复这个对于 2000 次独立运行，每次运行都有不同的老虎机问题，我们获得了学习的度量算法的平均行为。 我们使用样本平均技术进行动作价值估计，并通过绘制 2000 次模拟的平均奖励来比较贪心算法的结果。 也可以针对非贪婪算法修改代码。