有 K 个按钮，各自返回不同正态分布的奖励，怎样通过采样找出期望奖励最大的按钮？

多臂老虎机：给你k个按钮，每个按钮会返回一个奖励，该奖励服从正态分布，每个按钮奖励的正态分布参数不同，请返回奖励期望最大的那个按钮