Hvorfor velger UCB1 alle armer minst én gang i starten?
Klikk for å snu kortet
Fordi UCB1-formelen inneholder under kvadratroten. Med er dette udefinert (deling på null). Initiell runde-robin (velg alle K armer én gang) gir et startestimat for alle armer før UCB1-logikken starter.
Space / Enter for å snu