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: 11854|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:
2 u2 g* _& p. w) A4 Y: l' c" v
. A+ o! M, k# H  Q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。% G5 `, \0 O5 A1 n3 p

; H$ J8 S& H9 Z' _6 N2 m. D以下是对编程有用的具体的算法:
+ b5 V  R( a& f! v
) j- i3 V! B7 K0 F4 s0 H2 F8 \0 g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]]。- `' n/ |- \: z1 L* i$ k3 E

: u. L9 M3 t3 w  W# v4 G  y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。9 Y3 V+ H+ D1 m: k
; y0 }8 q( B1 A' d5 [" [1 O1 j
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:& P' o# s5 O; s& Q- i6 p6 I

( u6 Y2 W5 X  @5 G' K2 e      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
: ^5 p+ _5 Q/ j2 o# B4 o        [0 1]  ->  [0.25 0.25 0.25 0.25]
3 B# u5 Y6 {7 V8 Q6 p( Y+ v2 w, Y        [1 0]  ->  [0.25 0.25 0.25 0.25]1 {7 x- a# p. B: x
        [1 1]  ->  [0.25 0.25 0.25 0.25]+ s" ~$ t5 B' D- f
       ]
' O2 `3 u* h$ y0 u% N" E5 q! u( n3 i9 k# v
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]。& U' v8 r3 Z5 @3 a  \- U
% v, e/ _% M" \1 J! K( I0 Q
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。, W: P3 M5 O4 {  L: |% c" x

( ^, d+ C5 y5 Z  {8 I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。$ p2 |% c* m# k6 ^. c& `! u7 G

, Q+ f" J) A. i3 U2 V2 D9 F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。。。。
7 L. C, L2 A9 h) D# j7 t
1 d/ W' s# ]" J% j8 q6 w这么大一个程序,看来只能靠自己了
) o2 Y; C9 B# W$ T( p  Y* k( ]; k& b1 g
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。。。。  m0 S+ f! \  N/ ?- _. l

% P" D( ]) h0 h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
0 v: d3 a! M8 R3 L) H# i0 N# F5 o2 ^
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 10:24 , Processed in 0.011643 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