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: 11861|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:
$ d. t4 U( @4 n; E3 |" n
2 \4 ?' D( r" H8 z- b9 s6 ]& _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。
6 _  `9 W) e8 m; B( A# i9 R- i1 J# L! u7 A7 ^4 C
以下是对编程有用的具体的算法:
+ M/ z/ ?% n, W3 p; V& O, d; o4 r$ |: e+ s' T
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]]。, p/ w  v$ w7 {& X$ R

5 H& o6 i- K' j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。
  F7 i' @( W; y# z6 [4 A+ M9 B% i9 m7 f
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:
! R9 |3 \9 Y6 Z$ u9 C0 o
$ s5 J9 x) n' ^. O; [      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
' H! |" y; ~9 `7 c4 l* k1 m        [0 1]  ->  [0.25 0.25 0.25 0.25]" I% c3 b1 C- V: Y" B
        [1 0]  ->  [0.25 0.25 0.25 0.25]
9 ^+ U6 S( @7 B  m+ S. f& Z        [1 1]  ->  [0.25 0.25 0.25 0.25]4 X& g9 r9 n1 y* B0 N* J, Q: F" E
       ]
. j. p+ _) `6 q1 k
* J, R$ _' d4 C3 m# u/ n+ \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]。
: j) A0 ]0 T- K- {5 \+ W4 q; E) J) B) }- U: ]* x* M; [# f0 I2 A8 F
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 W, M8 V6 E5 P- B, J. ~

) w1 u: Q% j) x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。: K& [1 R. X/ s2 @
& E  u; S( J3 ~
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。。。。, H6 Z1 [/ P0 E2 N) r. R9 u) F

9 {- S7 K+ Y: t& W这么大一个程序,看来只能靠自己了( j( a" |3 Z0 y/ V
- u1 q7 M  v. g5 I8 u
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。。。。
$ Y8 D9 a: G6 h; q2 y& i( q
/ e' q7 L# K2 s; x7 f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5 d% F: J% N- i4 k. U5 [. d
2 x5 u# \- T0 ~: P$ F
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 20:47 , Processed in 0.014014 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