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: 9375|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 X1 r- A  H1 Q- q9 Q3 k

6 m* ~; p0 a# V3 @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。% d1 y/ @. }. B0 ?- |2 A, U
/ w9 x* W3 r! v; b' w
以下是对编程有用的具体的算法:( U$ s9 O1 \5 `9 W

; H3 j' S4 ^; U5 {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]]。( C: c8 D9 W4 Q% ?. N+ E* T4 O

; E( N( J+ @! I/ O5 p4 A1 K" ~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。
, ~. M5 S" u! k5 h5 z; ~5 A5 W% Y) \& ?& d
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:
2 d1 r  x9 R; u
0 p  r7 J# b  M8 U3 z" W, _+ k      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
7 [' [4 i  ~! c' D$ e# v8 c0 j) h  Q        [0 1]  ->  [0.25 0.25 0.25 0.25]
2 k5 y5 Y3 Y( w        [1 0]  ->  [0.25 0.25 0.25 0.25]
5 N" M% d, c0 S0 P( x3 `" G        [1 1]  ->  [0.25 0.25 0.25 0.25]& M. x$ D1 Q" N& r
       ]
" b1 w: }. O+ B, j1 R) G. e+ d# M
2 X' I& T$ _& p9 v6 a6 ~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: M+ X" n7 k0 a. x5 b% f: d1 d
! z9 G/ z; p- V& ^3 ~3 ^! 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。
' I) `8 m* K  U& b  d, {; A* c1 E+ D9 i3 v. 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。
1 l6 J% t4 g* O: S1 A% |+ A1 n' h* c- k) N( `
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。。。。, w- Q+ w2 [& M) M" s
6 B9 X" T4 v. Y1 p8 E/ R, x+ ^
这么大一个程序,看来只能靠自己了
' S: E! l  C* X3 |# C) _  d: l& I0 v: H( X4 x
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。。。。
+ R+ t, ^: o! z" J+ T# e2 a+ n0 W- x8 w4 W
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
. D" O" W( t$ C# P4 y7 D9 A9 r7 a8 t. K  D
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, 2025-9-17 23:33 , Processed in 0.014438 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