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: 11515|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:2 B8 e' D$ ?+ H4 W+ X3 _" I
5 i* [3 t6 e' n4 y6 C# K. H
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。9 R+ v2 T; W0 y) e3 f

* O5 W/ l# {# X- w/ n" K1 ^6 Y以下是对编程有用的具体的算法:$ k+ K, U" n& F( w& r
1 o! a7 K0 Q8 d& A
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]]。6 S6 |! j* h5 W9 o) S) n

8 p$ R+ H- Z( Y1 t0 T: A) u  Y# N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。
% R' i0 G& r- y
% u& f9 H: L! O4 C) t7 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:
' g* M+ n1 _4 s! I# ?0 W4 i8 U% g0 k9 V  c0 j3 A$ [
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]9 @/ }% V( J3 `2 ^+ Q
        [0 1]  ->  [0.25 0.25 0.25 0.25]
8 r# U) w/ G) |( p        [1 0]  ->  [0.25 0.25 0.25 0.25]# u0 y1 `( a1 e9 O" `
        [1 1]  ->  [0.25 0.25 0.25 0.25]
4 X5 w' w3 Y: K- j# u, m$ g( W       ]
$ F9 l5 u8 N$ T! n' ]6 X: A0 s+ @! }2 e0 g0 o7 C
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]。
# F8 Z9 y% i6 W
/ ~9 ]! L& ?( V' I+ t9 l: e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。" Q6 V) X/ y" ]# n' M+ F

/ J4 a0 L  P& Q6 _+ D: P1 V- E3 M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。
% o+ A# M. K- h
0 Q7 @) F+ k+ T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。。。。
$ B- y3 V. P2 Z' X& J# [$ J4 L3 m. J" ]2 W  t" a
这么大一个程序,看来只能靠自己了+ B* ~* X: B' p, _/ O/ ^
5 B% n$ T& ]3 Q% R8 k& L% i, ]
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。。。。; g" H* C6 g6 l$ c; r9 M/ s
# v: V+ o1 E* {3 R4 P1 ^3 _& 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
# n. }$ O; [% U9 D! {% K: @
3 u0 @5 j. F9 e2 @& \6 ?  @8 [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, 2026-5-2 00:54 , Processed in 0.016853 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