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: 9341|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:7 d  Q8 g6 u3 {9 j9 k8 W/ a: \  L  N: A

0 f6 r; m, k9 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。
* A9 `& H* g5 ~6 m
  U" y1 P! V0 @* }以下是对编程有用的具体的算法:
. v: [' t. I) x# [6 G
! q8 t/ G  w- D. w- I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]]。3 V" E1 M; z1 e4 Z  Y, E

) q6 j3 G( _* a3 e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。
- B) s, {8 ?) V% J, T3 v9 }2 K# g# Z" S$ T* I* l5 S# N* `) R4 v
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:' m, r7 o: I, ]

0 \- D7 k% h, X' n" T/ F      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
  l: V- R" G3 y! |        [0 1]  ->  [0.25 0.25 0.25 0.25]' k4 s8 Q. S: }/ Q6 b
        [1 0]  ->  [0.25 0.25 0.25 0.25]
5 [0 `1 O. n! {6 Q" M        [1 1]  ->  [0.25 0.25 0.25 0.25]7 D6 g6 e  r  [* T" N6 E! U
       ]8 ^9 h$ e0 g) ]3 h3 `

* \% m% @) D  R5 D3 {4 i# Z  h/ `$ e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]。
* n+ d0 w* u2 I5 }: M
7 y1 g% {% ^. A( L  J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。
. e7 m- X% \2 d' j: H  {# y
% I" s1 V9 D2 e1 Q4 z9 _' k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。
/ w3 j4 F; S* Y0 W' t4 u. `! S9 z7 e  U5 i. O' U! B% e7 L
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 a* z( s/ m1 E6 k( n; Y
" u% e  [) h  {( _6 a4 _* ~
这么大一个程序,看来只能靠自己了# ~+ x- j) g  C/ u
7 n5 x# C8 F: k- C( }, \3 ]1 i: I
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。。。。
5 s: J0 P; n2 I5 ^' ^; Z% X7 g, F! s3 C% e! {& x3 o3 i! S
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
$ q2 K  M8 Z( z9 k: [- m- W  ?! B
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, 2025-9-14 04:01 , Processed in 0.013978 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