这实际上在维基百科页面上进行了解释

这是一个经典的强化学习问题，它体现了探索-利用权衡的困境。这个名字来自于想象一个赌徒在一排老虎机（有时被称为“单臂强盗”），他必须决定玩哪台机器，每台机器玩多少次以及以什么顺序玩它们，以及是继续使用当前机器还是尝试不同的机器。

他们甚至有其中一些的照片：

正如亨利在评论中所注意到的，维基百科上有更准确的图像来显示词源：

在 Sutton 和 Bardo 的Reinforcement Learning: An Introduction的第 2.1 节中，他们说：

[...] k 臂老虎机问题，类似于老虎机或“单臂老虎机”，只不过它有 k 个杠杆而不是一个。每个动作选择就像是老虎机的一个杠杆的游戏，奖励是中奖的支出。