Thompson-Sampling

Thompson Sampling ist ein heuristischer Algorithmus, benannt nach William R. Thompson, der entwickelt wurde, um das Explorations-Exploitations-Dilemma im Multi-Armed-Bandit-Problem zu lösen. Diese Methode wählt Aktionen aus, die erwartete Belohnungen maximieren, indem sie zufällig aus den Glaubensannahmen sampelt. Dadurch wird die Exploration unbekannter Umgebungen effektiv mit der Exploitation bekannter Informationen ausgewogen, was ihn in praktischen Anwendungen sehr wertvoll macht.