本文综述多臂赌博机研究，提出模拟框架将单臂策略转为N臂策略，无需UGAP假设；利用拉格朗日松弛与Whittle指数策略求解不安定老虎机，证明流体优先策略较优；并涉及不可重复选项、Feedback MAB双重算法、去中心化多智能体、Restless-UCB及单峰奖励，分析渐近最优优先级策略。