强化学习算法复现（一）:k臂赌博机问题

问题描述：
问题类似于老虎机（单臂赌博机），不同之处是它有k个控制杆，每次动作选择相当于拉动老虎机的一个控制杆，我们希望通过强化学习的方法，让智能体能够通过重复地选择学习，来最大化最终的奖金值。

复现结果：
环境可视化：蓝色为各个按键的真实收益；绿色为智能体对按键的估计收益；红色为智能体的选择。

代码实现
1、环境搭建：

import numpy as np

global value
value = np.array([0.0]*