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: 11144|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 w8 G% c% ]6 N6 B% c
8 P4 B$ [2 A( d# C( e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。
& T$ Y0 {' w; w
+ w$ J1 a# P0 Y8 w以下是对编程有用的具体的算法:% n% f7 T4 [' D' l2 y
. d+ B  U& D9 f7 Q4 i! w
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  `) R1 m  d' Y$ `* x* G/ @
& E+ j1 }" y9 k+ l% Z, g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。% q$ c5 y6 N; o  k7 B
" T. k) U! z& H6 a# [( M% Y
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:
( U, h1 z: o- |' u  R+ E8 F& B1 G2 Z. Z* J/ }
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]$ [' l" j$ M2 ?& G4 d7 h  d
        [0 1]  ->  [0.25 0.25 0.25 0.25]$ a9 [4 T  N1 B0 u- ?. c
        [1 0]  ->  [0.25 0.25 0.25 0.25]6 R( n: \8 u( s; w* _' X
        [1 1]  ->  [0.25 0.25 0.25 0.25]% c- o: X" `5 {: ]
       ]' X, Y1 Q2 [% r! \0 j5 L, \* N, f9 P% D

2 w% i( y& _5 \$ {9 J6 @2 v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]。
# U& r. E/ L. l1 |3 n6 Q
2 o1 a. U& t$ b: ^: 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。
+ h) P* H! T/ V9 e/ ?; i; y$ q
6 [  m. M# E+ ^5 i" Y7 ]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。
" F8 T! H8 J& [; M7 i; e2 @' W7 `6 y) |
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。。。。
' N9 U& S. n+ a  r) [5 T
- K* T4 W+ k  ^2 R( C. m- V这么大一个程序,看来只能靠自己了; E: z1 F7 p% Q) \$ J4 K& G% `

9 `  v' L6 U+ 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。。。。
2 n) o. ]1 J4 Q. Y3 q( ^& o, Q1 n* D. q4 l5 T( z
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
7 D" ?+ ]5 G' ?. J4 C5 \
* M6 z. l9 ]+ N) _$ A+ b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, 2026-3-17 22:40 , Processed in 0.014160 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