|
|
5仿真币
对这个算法最直观的理解是这样的：
" v, V7 T, i% R( Z0 b* i. t7 j! ?3 M: {& V# y# Q5 g
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。
! a) l4 w; {; l& Y! G" p' T& J
. _: I5 E7 o# p K以下是对编程有用的具体的算法：
; f2 l4 \* t j+ l/ p, t/ M$ T% 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]]。+ D, w c& ?1 x# N8 f4 g8 K/ |& z. F
# y( y; L! S) g& 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。
. ?, c( s! w$ C5 [) a: C
' |3 Z+ @/ D5 r! [( C% z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：
! r# ]5 _# w, s( F8 B; f, y* v, o3 ^# }3 c9 J/ r4 q
[ [0 0] -> [0.25 0.25 0.25 0.25]/ D' [+ g3 Y! O1 q
[0 1] -> [0.25 0.25 0.25 0.25]
! E) [/ L* l0 i0 a, q+ y [1 0] -> [0.25 0.25 0.25 0.25]
' P+ @7 [5 O9 s) W$ ? [1 1] -> [0.25 0.25 0.25 0.25]
2 ?; l W' E' k7 U% @( R ]3 ~+ M& g+ s- }: y
6 i. |, p0 ^/ N/ s4 c& |3 k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 X/ L8 V7 R# b2 i1 R0 g7 I) m$ t' b3 U1 w) z4 _1 O) j! i! L
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。
' M1 a. }" d% z% G& C: e! [+ Y# F
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。 V5 q+ F# B- x. o& ~: r$ ]
9 f" p0 `. D9 {, o& t3 X1 T+ _) l- z恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主