バンディットアルゴリズム

バンディットアルゴリズムとは、「探索（新しい選択肢を試す）」と「活用（今わかっている最善を選ぶ）」のバランスを取って、報酬を最大化する手法群です。

名前は、複数のスロットマシン（多腕バンディット）からどれを引くか選ぶ問題に由来します。試さないと当たりは分からないが、試すと損もする、というジレンマを扱います。

広告配信や A/B テストなど、選択肢を試しながら最適化する場面で広く使われます。