Об одной модели оптимального поведения в неизвестной среде

В статье рассматривается модель приспособления к неизвестной среде, в которой обучающийся объект имеет несколько действий, а среда выдает фиксированный выигрыш за каждое действие. Объект имеет конечное время обучения и должен за это время получить наибольшую сумму выигрышей. Среда заранее неизвестна, но задан класс сред. Эту модель можно рассматривать как игру, в которой стратегиями являются алгоритмы поведения объекта (помнящего уже полученные ответы среды) и задание до начала работы объекта некоторой среды из допустимого класса сред == стратегия “природы”. Для игры исследуются минимаксные и максиминные точки и находится седловая точка на классе смешанных стратегий.