解决n型武装匪徒问题的最佳算法？

我已经阅读了许多解决n-武装匪徒问题的算法，例如 -greedy，softmax和UCB1，但是我在选择哪种方法最大程度地减少后悔时遇到了麻烦。$\epsilon$

是否存在解决n臂匪问题的最佳算法？是否有选择的算法似乎在实践中表现最佳？

这是我最近发现的两份调查论文。我尚未阅读它们，但摘要听起来很有希望。

Joann的Vermorel和Mehryar Mohri：多武装强盗算法和经验评估（2005）

从摘要：

赌徒的多臂匪问题是要决定在一系列试验中拉K老虎机的哪个臂以最大化其总报酬。可以用这种方式对许多现实世界中的学习和优化问题进行建模。在过去的二十年中，已经提出了几种策略或算法来解决该问题，但是据我们所知，尚未对这些算法进行通用评估。

Volodymyr Kuleshov和Doina Precup：多臂匪问题的算法（2000）摘要：

其次，大多数算法的性能随强盗问题的参数而变化很大。我们的研究为每种算法确定了性能良好的设置和性能较差的设置。