汤普森采样期间给定状态变化的奖励概率

Question

例如，在多武装匪徒中： 假设该算法已经找到了最好的机器。 如果机器的配置突然改变怎么办？ （更改奖励概率） 算法会重新调整并找到最佳的新机器吗？