epsilon-greedy算法（通常使用实际的希腊字母ϵ）很容易理解，并且在机器学习的多个领域被使用。epsilon-greedy的一种常见用法是所谓的多臂匪徒问题（multi-armed bandit problem）。
假设站在k = 3台老虎机前面。每台机器都会根据不同的概率分布进行支付，而我们不知道这些分布。假设我们总共可以玩100次。
我们有两个目标。第一个目标是使用一些硬币以尝试确定哪台机器的支出最佳。第二个与此相关的目标是获得尽可能多的钱。术语“ explore”和“ exploit”用于表示您必须使用一些硬币进行探索(explore)才能找到最佳机器，并且我们希望在最佳机器上使用尽可能多的硬币来利用(exploit)。
在玩游戏时，我们会跟踪每台机器的平均收益。然后，选择当前平均收益最高的机器，概率为( 1 – ϵ ) + ( ϵ / k ) ，其中epsilon是一个很小的值，例如0.10。然后，我们选择的机器的当前支出平均值不是最高，概率为ϵ / k 。
下面我们举个例子。假设在开始我们尝试了12次，为了得到平均收益
- 4次玩1号机器，两次赢得1元，两次赢得0元。1号机器的平均支出为 2/4 = 0.50元
- 5次玩2号机器，赢得了3次1元和两次0元。2号机器的平均支出为3/5 =0.60元
- 3次玩3号机，一次赢了1元，两次赢了0元。3号机器的平均支出为1/3 = 0.33元
从第13次开始，我们就需要选择一个机器尝试了。首先生成一个介于0.0和1.0之间的随机数p。假设ϵ 设置为0.10。如果p > 0.10 （有90％的机会），则选择2号机器，因为它具有当前最高的平均支出。但是，如果p < 0.10（只有10％的机会），则选择一台随机计算机，因此每台计算机都有1/3的机会被选中。请注意，由于是从所有计算机中随机选择的，因此2号计算机仍可能会被选择。
随着时间的流逝，最好的机器会越来越频繁地被选择，因为选择它将得到更多的收益。简而言之，ϵ 贪婪意味着大多数时候都选择当前最佳选项（“贪婪”），但有时选择概率很小的随机选项。
还有许多其他算法可以解决多臂匪徒问题。但是epsilon-greedy非常简单，并且通常比UCB（“upper confidence bound”）等更复杂的算法有更好的效果
