|
|
5仿真币
对这个算法最直观的理解是这样的：
; ]: l- M0 z: K+ v, y( o8 E! W3 b0 A/ Z8 f; x3 e
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。
m0 ~3 j/ \. u; p. a" x2 `9 H' P: D8 Z
以下是对编程有用的具体的算法：
1 G5 e4 f3 ^& {6 l3 D' P& X: R) r- t" M9 q
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]]。% O# U' Q |4 }4 r+ X/ p( |
- y- C% _- [; v4 Q9 q' z' n+ h8 O0 Z
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。% W; R0 A" _+ V2 f# c$ H
* R' f- t2 g. \1 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：
* F/ x9 l9 J& z8 X3 _
9 W# b3 T# d1 Y$ r4 l; l( L3 R* K8 x2 R [ [0 0] -> [0.25 0.25 0.25 0.25]9 ]5 x$ H( y$ Y2 i4 Z0 R6 N8 w
[0 1] -> [0.25 0.25 0.25 0.25]
3 r0 Z1 j6 C% V' l! g* \ [1 0] -> [0.25 0.25 0.25 0.25]
, ?6 c* F0 t; ]2 n/ C( d7 g, n. P2 O [1 1] -> [0.25 0.25 0.25 0.25]
( g1 Z6 e4 s* p: B7 @ ]
5 r V+ F& M; t. V c( z F+ H" Y6 N7 t c# i4 K+ C* C
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]。9 `4 |, D; m2 q1 a- m, k% T4 t" g
5 s# t6 a8 m- {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。* B4 h5 r$ G: L: i
! j" A/ a+ Z$ a- g9 H; J6 t" C
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。
7 R2 [% o- S% i: `/ G- g. Y1 c6 b8 d1 `- z
恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主