|
|
5仿真币
对这个算法最直观的理解是这样的：) C! E4 P6 D3 x- ^, d/ r ~+ L0 y
5 d% X D/ s" L% n' G* j# 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。
/ y3 n2 t' L/ O% j; X7 Q) z/ A$ n0 u' `& u' b
以下是对编程有用的具体的算法：
S* N8 L- ^( O$ R# g- S' f" g1 |
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]]。9 J0 D) }5 _/ z* ?& E
3 i: J3 ^; L1 \2 l/ U! D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。/ x' d7 [- e. @5 o3 L3 F- Q# ^
4 R% `+ }% | L$ h! Q) t! R$ x' c. T
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 g! R7 h% X/ h- P7 X0 m! W7 I9 G
3 W' }- x( k4 W. g- D3 o# l [ [0 0] -> [0.25 0.25 0.25 0.25]" W9 \9 m+ x* Q. t5 j! ~7 H" h9 A
[0 1] -> [0.25 0.25 0.25 0.25]
$ S4 O" d2 R: a, l [1 0] -> [0.25 0.25 0.25 0.25]
+ V' S: q% f0 r7 u1 C2 H! u; Q [1 1] -> [0.25 0.25 0.25 0.25]
- C7 o0 k: B$ S. |$ R" s ]
. L" u& a- s m) y, y; U/ W; s* \8 f
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]。
4 x( y4 ]' X) t
9 M2 ` o1 X& u+ }' T, Z6 ^" H+ X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。
3 [3 P% T; u+ M$ o. F4 L# z# F( R, }. g' j2 Z1 I0 \8 S" `9 t
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。 V+ W9 i% |5 e7 c, v- U. K
0 J0 N5 ^ K( B' }% g* r恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主