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: 11862|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:
) N" k) F/ e" A" X( T' t6 Z: b
8 R. B4 _/ P- }! [: 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。
1 a% J$ B% R$ Y0 O5 _* ~2 }* t. q0 n" R! `" h: E9 m
以下是对编程有用的具体的算法:7 F: X( J( v+ V; `  \1 U% a& M

9 b3 ]+ s6 U0 o; c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) E, ]- ^0 a3 P; r. e+ P
" H3 e7 d/ w8 y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。$ k" u4 k: \- i

9 _, D! X! }9 b' I5 ?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:. d( V6 y, X% ^, R- P8 a3 n' ?( [# P

! J) g+ D1 E! k5 w' H* [      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
: N' {. k0 K" O        [0 1]  ->  [0.25 0.25 0.25 0.25]" t( m4 \( n1 V% T$ v' t
        [1 0]  ->  [0.25 0.25 0.25 0.25]
4 ]7 ^; M! U$ t, U6 I        [1 1]  ->  [0.25 0.25 0.25 0.25]
) p" E2 e( v9 A+ |       ]
; [5 S% v; Z4 O5 O/ Y4 `( l2 f+ J$ J& a, K8 V1 X4 f0 l8 ^1 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]。3 I( W, H6 j9 K4 r
) s; \* D) I3 D
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。
' \! c9 a  ]9 }9 S4 u
! }6 a2 g/ Z- w: O7 v' r3 n1 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。/ [* X* G9 ~, W9 [* J0 ^

! b2 T+ s0 [) F! [, _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。。。。+ F  T- o6 f7 P( K" [9 u' ?/ P+ S

+ ]6 r  h5 z: o这么大一个程序,看来只能靠自己了
- k+ w8 d4 S1 |' D
. {1 ~- |* ]( }# D; R* h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。。。。/ [2 m. s; `' }2 x$ ^
; m' c7 D5 |4 J: [
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8 e- C. h( T6 e1 G

6 d, t. d1 h% O0 n$ Q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 20:51 , Processed in 0.010821 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