设为首页收藏本站

最大的系统仿真与系统优化公益交流社区

 找回密码
 注册

QQ登录

只需一步,快速开始

查看: 11850|回复: 2

[求助] 我有一个Learning algorithm, 但不会编程,恳请高人教导!

[复制链接]
发表于 2008-6-7 13:39:29 | 显示全部楼层 |阅读模式
5仿真币
对这个算法最直观的理解是这样的:
! o3 P# d5 h1 k2 k3 c# H
7 A& A' f4 h( ]& j- j. W; `一个agent在一天的开始时观察这个世界(获得information, 这个information是binary的,比如:天有没有下雨;家里的食物储备多不多),之后根据他获得的information,随机地选择一个action(比如:吃储备着的粮食)。在一天结束(即第二天开始)后,他计算了他的效用(就是满意度),如果效用较初始效用上升,他就会使选择这个action的概率上升一个单位。即整个算法是从information map到probability的一个过程。
; t8 e" g5 Y+ _
) S- t* p) Y3 o( h* m以下是对编程有用的具体的算法:
6 w# [  B: D3 ]0 r& l* i
* j: Q! B) v, k  P* `8 U假设现在有2个information, 所以列出所有的排列为[[0 0][0 1][1 0][1 1]]。) c3 B$ t) S/ n$ h

2 h$ a, W( X5 R0 [$ G假设有4个actions: a1, a2, a3, a4。每个action所发生的概率分别为p1,p2,p3,p4。& c; ^! g& R$ F- E0 j* e

; H/ i8 o; R( g$ e; A$ l每一个information vector都对应actions的一个概率分布。初始状态下的对应关系是这样的:# m3 G+ x" ]! p0 _
$ b9 R* Z5 t" P! A; b: @4 s
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
6 P  _' W+ h5 n& X( D/ H* V  {        [0 1]  ->  [0.25 0.25 0.25 0.25]
$ n0 {: i8 a, c7 q8 ?        [1 0]  ->  [0.25 0.25 0.25 0.25]' O* W6 I, _! o7 h  a% Q9 N
        [1 1]  ->  [0.25 0.25 0.25 0.25]8 n% ?& E* D+ B/ o; a
       ]& t1 n/ Y0 ]' G* k

9 p% c; Y, s2 }' x" J好,现在agent开始获得information,比如[0 0],这时,agent就用第一行的[0.25 0.25 0.25 0.25],来随机选择一个行为,假设他选择的是a2。在他做出了这个action之后,假设第二天他发现他的效用上升了,所以他就把a2发生的概率p2上调w,所以概率矩阵的第一行就变成[0.25-w/3 0.25+w 0.25-w/3 0.25-w/3]。0 V, `4 I2 i, r7 A# j" i; M

  A! L* q4 x) {4 g7 c3 ~他在第二天的开始又获得information,如果还是[0 0],那么就用[0.25-w/3 0.25+w 0.25-w/3 0.25-w/3]来随机选择一个action。但如果是[0 1],那么就还是要用第二行的[0.25 0.25 0.25 0.25]来随机选择一个action。选择完action之后就比较前一天的效用,然后再调整概率。# L/ w7 t+ c* t# e

9 o3 Y& M( E1 M4 \* z整个算法都在这里了,现在的问题是我根本就不知道从何下手,也不知道这个算法跟模型库中的哪些算法比较相似。
. h5 b( T8 v" P6 L, i+ q* V& z  L. N8 U8 |1 M0 U" R
恳请高人教导!
 楼主| 发表于 2008-6-8 12:36:14 | 显示全部楼层
晕~鄙人本来就没什么编程经验。。。。/ K5 H( T6 A: b5 R# u. H/ Y! \
8 M% y& O/ q0 O) L9 q8 X4 `3 o% {  f
这么大一个程序,看来只能靠自己了; _' E, B$ M2 U; f, @& v4 V
4 J- n) W, d1 |% X3 c) j
再问一个小问题吧:我要跨时间地比较效用(把第一天的效用和第二天的效用相比,假设一个tick就是一天)。不太清楚怎么来实现这种跨越tick的变量比较。
 楼主| 发表于 2008-6-9 01:43:08 | 显示全部楼层
你倒是启发我了。。。。
8 s8 u% m2 T; ]3 P. f9 Z; z+ R4 G/ J! u
我可以自己定义一个reporter,input就是第几个tick,output就是那个tick时的效用
# Q9 a6 ~8 [+ r' V4 @# X; w/ {1 `  d  d& h# {
但是程序又不会写了~汗
您需要登录后才可以回帖 登录 | 注册

本版积分规则

QQ|Archiver|手机版|SimulWay 道于仿真   

GMT+8, 2026-6-16 09:37 , Processed in 0.012527 second(s), 11 queries .

Powered by Discuz! X3.4 Licensed

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表