基于Rcpp的多臂老虎机epsilon-greedy算法二次修正实现问询

嘿，这是我对之前版本做的第二次修正，现在这个版本已经可以正常运行啦。最近我一直在用Rcpp实现多臂老虎机问题里的epsilon-greedy算法，给大家快速梳理下核心内容：

代码核心逻辑 #

• 我们会先设定一组摇臂，每个摇臂都有预先定义好的奖励发放概率
• 这次实现的核心验证目标是：通过**随机抽取摇臂（探索新选项）和间歇性选取当前统计最优的摇臂（利用已有信息）**的组合策略，最终算法是否能收敛到真正的最优摇臂

关于原始算法框架 #

epsilon-greedy是多臂老虎机领域的经典基础算法，核心思路就是平衡探索与利用：以设定的epsilon概率随机选择任意摇臂来探索未知收益，剩下的1-epsilon概率则选择当前记录中奖励期望最高的摇臂，以此在短期收益和长期最优之间找到平衡。

内容的提问来源于stack exchange，提问作者buzaku