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: 11865|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:
6 M: P$ [6 z4 H  M' `5 J4 G2 _; F/ r+ c; w( U
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。
. c. n$ l* Y! F3 S
1 I# r6 _9 t) r0 R& e以下是对编程有用的具体的算法:
9 q, K* W2 M) X7 H/ [" o1 ~9 K. l$ e: P
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]]。1 S' M) E9 ^* X. z
/ ?2 Y# Y3 l' K1 @: f1 @3 {
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。
: T4 j, ]/ P( C; s$ N
2 ~2 ?$ Y* P: @. f8 N5 a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:
- N! ^& ]# u' `( q* B8 U
1 I5 ], m: f! k8 C      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
3 [# t) q2 N" j& x5 C4 j' }+ ^        [0 1]  ->  [0.25 0.25 0.25 0.25]. k- \( {& F9 D# ~
        [1 0]  ->  [0.25 0.25 0.25 0.25]
! Q- e  V0 N  B# o        [1 1]  ->  [0.25 0.25 0.25 0.25]2 W. m) i: g6 e& T4 Z; U: w
       ]* z  o: z, J; G& `0 Y! ~& G
) V9 N6 g* L5 o7 U  O/ B
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]。
' K/ F  i6 B% [
9 R' h9 V! _) D) q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。7 C  X, M" _! W$ P

' ?$ I2 ^/ h9 E- n" `' [  u4 A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。, S0 j4 F2 Y# ?0 X. o3 V* ^

8 `" K6 \/ s  V" D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。。。。
) d1 O0 ~1 g8 e, j; `8 I  w) S* R: s0 t1 f8 R7 J; b
这么大一个程序,看来只能靠自己了
8 P) o3 |6 M' J2 ~" j5 v& ]" l! P; V5 s" a
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。。。。, v/ h8 o( j% N0 f

6 _* p/ [4 Q) H. C; g8 M& r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
4 k! \) t: B5 e. Y8 z1 x7 S' g! r
* l: X* p; Q* S2 g: A+ 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, 2026-6-16 21:53 , Processed in 0.013104 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