本研究提出了一种行为支持策略优化（BSPO）方法，旨在解决强化学习中基于人类反馈的奖励过度优化问题，减少模型评估时的外推误差。研究证明，BSPO能够实现策略的单调改进，并收敛到最佳策略。

本文探讨了多臂赌博机问题在去中心化网络中的应用，提出了多种在线学习策略和算法，以优化智能体的奖励获取，并确保公平性和隐私保护。这些研究适用于认知无线电网络和工业物联网等领域，具有重要的实际应用价值。