Regret Bound（遗憾界）

在在线学习和强化学习中，遗憾（regret）定义为算法累积奖励与事后最优策略累积奖励的差值。遗憾界给出了该差值随回合数增长的上界，如O(√T)或O(log T)。它反映了算法的学习效率，是评估算法收敛速度和理论保证的关键指标，常用于多臂老虎机和凸优化等领域。