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: 11851|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:- X4 \$ ?' d! R; G

7 L$ I; ^  Q4 m9 _+ C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。7 z$ U9 G: C$ j$ J9 @' C: N: A8 o

( ?3 @) p  Z: X& d6 {以下是对编程有用的具体的算法:
- {# S" b+ O  M8 Y: D
2 I: n' y. I4 \8 G# p4 O$ l3 p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]]。4 y. s* {# f$ u% i
3 E( p4 i/ y0 K1 y# a$ u# T; \) M8 ]3 {
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。
6 e$ K$ a. e% Y/ R6 _0 ?! b
; J) b9 L# ?+ r4 l. G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:" `' `4 d  W' Z, ]6 j8 [: M: a; ^

) q5 T3 ~- i1 k9 R5 i7 q      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
2 i6 f3 c6 F) P6 P8 s        [0 1]  ->  [0.25 0.25 0.25 0.25]
- i' M, ?; @3 r% n/ T/ D        [1 0]  ->  [0.25 0.25 0.25 0.25]5 Y- Q# ^/ S: w, _
        [1 1]  ->  [0.25 0.25 0.25 0.25]& D+ p6 I$ G1 K2 J6 C( C
       ]
/ ]! a7 z1 X  i, t7 ^( O! Q8 R5 ^& N5 v" Z' t" }5 S7 i: V- x% U
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]。8 H- i9 D2 Q6 i, P7 H+ ]
, Z) K& H. V/ ]7 Z: ?9 O
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。' E4 @/ q) N  ~. V/ Z$ k# n) ~

( F( s( ?* m5 @* G5 i- A" {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。
: J4 Y, q* K6 K5 P6 Q- w$ o; Q: L, j' A$ G' u
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。。。。
  b; M. r9 p; W  S  f+ ?4 m
7 @5 b) K. ?) I* F这么大一个程序,看来只能靠自己了
( a" P7 v3 J+ F- H# _2 [" d6 }! m) ~8 l0 W! ~
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。。。。2 [: n* }5 N" B
& @8 K% V0 |3 _. ~( t
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
) [# l9 q4 y/ i. B5 |" v0 L1 E7 S! D  V
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 09:39 , Processed in 0.010601 second(s), 12 queries .

Powered by Discuz! X3.4 Licensed

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表