Python. Теория автоматов и формальных языков

Самостоятельно задайте наборы различных действий длинной (5 и 20). 

Сформируйте наборы для сценариев:

а) Набор с явным лидером (наилучшим действием)

б) Набор с примерно одинаковой выгодой действий (все в районе нуля)

в) Набор из только невыгодных действий.

Итого 6 наборов

Задача - определить какая стратегия (A/B тесты, е-жадный алгоритм, или е-жадный алгоритм с UCB) быстрее всего увеличивает стартовый капитал (например 1000 у.е.) до поставленной цели (например 10000 у.е.)

Реклама/продажа. На площадке магазина есть распределение пользователей на целевую, промежуточную, и нецелевую аудитори. Каждое действие - предложение случайно выбранному пользователю купить товар по определённой цене. Вероятность совершения покупки при такой цене задаётся отдельно для целевой, промежуточной и нецелевой аудитории. Все предложения имеют общую фиксированную цену показа, но разную цену продажи. Реализовать для двух разных распределений аудиторий.

Высчитать и выписать максимально выгодное действие и за сколько шагов в среднем должна достигаться цель/поражение.

Еще нужен отчет.

Прикреплен исходник.