|
|
5仿真币
对这个算法最直观的理解是这样的：
' M ^5 D9 i6 @0 i, a5 z9 D5 @& \, K s# N/ ~3 t( j6 h/ b. ?
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。
* Z0 L1 m7 v' l; b& K* `
; @: n) A- M0 d# f2 F) R* @以下是对编程有用的具体的算法：7 x# [: t. D# P; e& |
( K. q; _2 p" `' V1 f+ b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]]。
/ v; Y+ P8 c7 o: G y5 w" P
* ~# |$ K' @& @. o4 W* f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。1 M1 f6 m: o/ h0 k3 A! p3 G
3 E; M0 c* _3 v7 Z+ [( c) u+ R
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：6 T" |2 ]' v% Z2 I) i3 G
! a4 q5 X) a6 c" M) j
[ [0 0] -> [0.25 0.25 0.25 0.25]4 M1 h& d3 Z# C2 s8 N. r% K* D) N
[0 1] -> [0.25 0.25 0.25 0.25], |' a5 s" u$ _1 I9 x- M! p5 s& }- i
[1 0] -> [0.25 0.25 0.25 0.25]+ }6 ^/ _2 a) |' Y$ ~& D5 B
[1 1] -> [0.25 0.25 0.25 0.25]* l, B: y& m7 o
]( ^! h/ E- f/ j( V1 |
7 s" D+ j$ z! R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]。
. x) Q1 k) V# u/ ^, Y( o! c4 [! l) N) S
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。6 t n, V( D# W* a" }$ \4 u
) ^ z4 i% X9 }5 K2 ~' P7 O
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。
5 G! ^7 W# Z* H
% B0 O, ~' ~3 ~( }0 H恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主