多腕バンディットは、払い戻しのわからないスロットマシン (アーム) の列です。ε-greedy は探索と活用のバランスを取ります。確率 epsilon でランダムなアームを引き、それ以外は推定価値が最も高いアームを引きます。
テストできるように、乱数は与えられます。すべてのアームについて推定値 Q = 0、回数 N = 0 から始めます。各ステップ t で:
random_values[t]< epsilon なら探索: arm =random_arms[t]。そうでなければ活用: arm = Q が最も高いアーム (同点なら最も小さいインデックス)。- reward =
rewards[t][arm]を受け取ります。 - N[arm] ← N[arm] + 1、Q[arm] ← Q[arm] + (reward - Q[arm]) / N[arm] (逐次平均)。
epsilon_greedy(rewards, epsilon, random_values, random_arms) を実装してください。
入力
rewards: 1 ステップにつき 1 行で、そのステップに各アームが払う報酬。
epsilon: 探索する確率。
random_values: ステップごとの [0, 1) の乱数。
random_arms: 探索する場合に各ステップで引くアーム。
出力
最終的な推定値 Q をアームごとに 1 つずつ返します。
制約
1 ≤ ステップ数 ≤ 10,000、1 ≤ アーム数 ≤ 100
0 ≤ epsilon ≤ 1、-100 ≤ 各報酬 ≤ 100
例
入力：
rewards = [
[1.0, 3.0],
[1.0, 3.0],
[1.0, 3.0],
[1.0, 3.0]
]
epsilon = 0.1
random_values = [0.5, 0.05, 0.7, 0.9]
random_arms = [0, 1, 0, 0]
期待される出力：
[1.0, 3.0]解説
ステップ 0 は活用します。Q はどちらも 0 なのでアーム 0 を引き、Q = [1, 0]。ステップ 1 は探索 (0.05 < 0.1) でアーム 1 を試し、Q = [1, 3]。ステップ 2 と 3 はより良いアーム 1 を活用します。結果: [1, 3]。
入力：
rewards = [
[2.0, 5.0],
[4.0, 5.0],
[0.0, 5.0]
]
epsilon = 0.0
random_values = [0.5, 0.5, 0.5]
random_arms = [1, 1, 1]
期待される出力：
[2.0, 0.0]解説
epsilon = 0 ではエージェントは決して探索しません。アーム 0 を引き続け、平均は 2 → 3 → 2 と変わり、アーム 1 が 5 を払うことに気づきません。結果: [2, 0]。
参考資料
-
例 1 未実行入力：
rewards = [ [1.0, 3.0], [1.0, 3.0], [1.0, 3.0], [1.0, 3.0] ] epsilon = 0.1 random_values = [0.5, 0.05, 0.7, 0.9] random_arms = [0, 1, 0, 0]期待される出力：[1.0, 3.0]あなたの出力 -
例 2 未実行入力：
rewards = [ [2.0, 5.0], [4.0, 5.0], [0.0, 5.0] ] epsilon = 0.0 random_values = [0.5, 0.5, 0.5] random_arms = [1, 1, 1]期待される出力：[2.0, 0.0]あなたの出力
提出時に非公開テスト4件も実行されます。 失敗したテストがあれば、そのテストが表示されます。チャレンジを解くとすべて見られます。
Run Swift Online
Write, run, and debug Swift code online using a command-line Swift environment. Manage multiple files, save your workspace, and share code without installing Xcode.
🍎 この Swift オンライン実行ツールについて
CodeUtility Swift Executor は、ブラウザ上で直接 Swift コードを書いて実行できるツールです - Xcode や SDK、macOS のセットアップは不要です。実際の Swift コンパイラを隔離されたサンドボックスで動かし、 正確でネイティブな Swift の挙動を提供します。
このツールは複数の Swift バージョン - 5.7、5.9、そして最新リリース - をサポートしており、新しい言語機能を試しつつ、既存の Swift コードベースとの互換性も維持できます。
Swift の文法学習、アルゴリズムのテスト、iOS・macOS・サーバーサイド Swift のコードを試す用途に最適で、 ローカルのツールやシミュレータをインストールする必要はありません。
すべてのスニペットはコンテナ化された Swift 環境で安全に実行され、実際のコンパイラからのフィードバックと安全な実行を保証します。
同じ実行環境で、複数ファイル対応エディター、分離された実行ターミナル、ランタイム別ライブラリ、永続ワークスペース、共有、リアルタイム共同作業を利用できます。
この実行環境の使い方
ランタイムを選択し、ファイルを開くか作成してコードを記述し、［実行］を選択します。出力はターミナルに表示されます。サインインしたユーザーは、ワークスペースにファイルを保存し、ライブラリをインストールして、共有を通じて共同作業できます。
- バージョンを選択して現在のファイルを編集するか、ワークスペース内の別のファイルを開きます。
- コードを実行し、求められた場合はターミナルに入力して、保存された実行履歴を確認します。
- 複数のコードスニペットが必要な作業では、ライブラリ、ワークスペースツール、共有、チャットを利用します。
💡 初心者向け Swift 基本ガイド
1. 変数と定数の宣言
Swift では変数に var、定数に let を使います。
var age = 30
let pi = 3.14159
var name = "Alice"
let isActive = true
// 定数は再代入できません
// pi = 3.14 // ❌ エラー2. 条件分岐 (if / switch)
ロジックには if、else if、else、分岐が多い場合は switch を使います。
let number = 2
if number == 1 {
print("1")
} else if number == 2 {
print("2")
} else {
print("その他")
}
switch number {
case 1:
print("1")
case 2:
print("2")
default:
print("その他")
}3. ループ
Swift は for-in、while、repeat-while のループをサポートしています。
for i in 0..<3 {
print(i)
}
var n = 3
while n > 0 {
print(n)
n -= 1
}4. 配列
配列は値の順序付きコレクションを保持します。
var numbers = [10, 20, 30]
print(numbers[1])5. 配列の操作
append や removeLast などのメソッドを使います。
var nums = [1, 2, 3]
nums.append(4)
nums.removeLast()
for n in nums {
print(n)
}6. コンソール入出力
出力は print() を使います。入力は Swift Playgrounds や Xcode で別途対応が必要です。
let name = "Alice"
print("こんにちは、\(name)")7. 関数
パラメータや戻り値を持つ再利用可能な関数を定義します。
func add(a: Int, b: Int) -> Int {
return a + b
}
print(add(a: 3, b: 4))8. 辞書
辞書はキーと値のペアを保持します。
var ages = ["Alice": 30]
print(ages["Alice"] ?? 0)9. エラーハンドリング
Swift では do-catch でエラー処理を行います。
enum MyError: Error {
case runtimeError(String)
}
do {
throw MyError.runtimeError("問題が発生しました")
} catch let error {
print(error)
}10. ファイル入出力
ファイル操作には FileManager や String のメソッドを使います。
let text = "こんにちは、ファイル"
try text.write(toFile: "file.txt", atomically: true, encoding: .utf8)
let content = try String(contentsOfFile: "file.txt")
print(content)11. 文字列操作
count、contains、uppercased() などのメソッドを使います。
let text = "Hello World"
print(text.count)
print(text.contains("World"))
print(text.uppercased())12. クラスとオブジェクト
Swift は class と init を使った OOP をサポートしています。
class Person {
var name: String
init(name: String) {
self.name = name
}
func greet() {
print("こんにちは、\(name)です")
}
}
let p = Person(name: "Alice")
p.greet()13. オプショナル
Swift では ? と ! でオプショナル値を扱います。
var name: String? = "Alice"
print(name ?? "不明")
if let unwrappedName = name {
print(unwrappedName)
}