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: 12673|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:
- m1 @1 j& n1 @+ W
$ I+ v+ _! ?9 U1 k% {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。/ M3 A7 u! G' H& {/ D: O1 ]) G

1 L# R8 R1 O& m: @7 J* D4 G7 A以下是对编程有用的具体的算法:. Y# z/ @6 v2 z2 b' u% _
4 t7 U2 `* p* ?7 v
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]]。
2 B+ f2 V) e' S: O. |( Z
& C$ u) B6 d! a0 w2 R  S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。
0 ^- q4 Q( z( K- k% u7 ^" ]( g3 @5 l% b$ g+ c; ?
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:
! z0 h+ k% N: u
' S$ M  k; Y! S5 \6 _      [ [0 0]  ->  [0.25 0.25 0.25 0.25]1 v1 g" n* ]$ h4 i1 b% _
        [0 1]  ->  [0.25 0.25 0.25 0.25]* D7 q4 ?3 p* ^! b1 S# J
        [1 0]  ->  [0.25 0.25 0.25 0.25]
" A0 L4 o) g7 d% P: Y" D; N        [1 1]  ->  [0.25 0.25 0.25 0.25]
  u0 P! v# r- V       ]; m+ D/ e" q8 X. ^. {: ]

3 w+ e: Q; a, m" l% A3 ]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]。6 l- q4 T3 m* C2 X  z
  k% E2 j4 E5 U. S, g! o0 ~
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。4 E' \5 v1 b/ G& t( g

5 s- S& O) o: _4 |6 `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。% f1 m, J9 o0 O) {. M) }+ h% y3 N

3 y$ C$ Y0 q: ]; y8 o! ?: i2 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。。。。7 w( o3 T5 J# i1 Y
" @! J, J2 H% \* ^
这么大一个程序,看来只能靠自己了" `% |9 s5 J& Y% h+ \  Y
% `, N( u! s3 \0 Z" T: S( 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。。。。6 G2 j* n  L! B2 r+ H! ^
6 v1 D  M3 d% M, f/ x$ `
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
9 J. Y& ]# T1 \. p4 g/ d
0 w! e0 k3 k7 b9 ^3 z" z9 s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, 2026-9-15 18:21 , Processed in 0.013219 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