強化学習の技術として近年使用される多腕バンディット問題は、当たりが出る確率の異なる複数台のスロットマシンを回しながら、報酬を最大にするプレイ戦略を求める問題です。本実習では、多腕バンディット問題を解くアルゴリズムを用いて、トランプゲーム「大貧民」をプレイする人工知能（AI）プログラムを作成します。

1. NAISTスプリングセミナー2017
 多腕バンディット問題とは？
 強化学習の一手法
 当たりの出る確率が未知のスロットを引
き続けて、報酬を最大に
 トランプゲームの大貧民（大富豪）を
プレイする AI（人工知能）の作り方を
学習！
 多腕バンディット問題を用いて強い AI を
作成
 機械学習の知識は不要です。
 使用プログラミング言語は任意です。
受講生のスキルに応じた実習内容
です。
多腕バンディット問題のアルゴリズムを用いた大貧民AI
大規模システム管理研究室 http://www-lsm.naist.jp
多腕バンディット問題
ゲーム木探索