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: 11121|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:! h2 A  E5 F, v* v8 C. q; k3 y
$ g; U4 S0 E- t* Z6 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。* j% A$ E1 p( u# \+ F8 [5 d* C

+ i( k$ o# ~8 _+ U/ [3 x以下是对编程有用的具体的算法:
7 K# O! g/ D* r0 {, n, i3 Y  M2 U) D2 O4 o
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]]。, ~: [. O7 R% |3 Z# Q
! q3 u; g) J1 d' {7 W. B. J7 J
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。
! f/ H5 a: j. @( s; ^% w
4 B$ s; a8 r6 k6 i/ X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:/ O! y7 C, |# x7 `  y( `

& d8 y: N  E( Q      [ [0 0]  ->  [0.25 0.25 0.25 0.25]# f4 a4 ~. T' H4 B6 t+ t
        [0 1]  ->  [0.25 0.25 0.25 0.25]
1 L  k) a& y  b' {        [1 0]  ->  [0.25 0.25 0.25 0.25]2 z" `$ V  c8 w+ O2 Z
        [1 1]  ->  [0.25 0.25 0.25 0.25]
) l  S: t/ r- Z/ P4 m5 F% W# `       ]7 [' A; X8 E$ T6 q9 t  {( f

5 f0 h- d, W( c) b' d: {) T9 m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]。
# C# q# [9 ~% j; v( `2 O8 B
% o9 V! E3 J* N  s  m; ]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。" _# o1 j6 P9 Q  g$ v

6 B2 d& {: Q+ k% {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。# B6 e; i2 k3 ~7 _- ]

8 X' D& J& g. ^% D9 ^& V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。。。。
! {) y1 X0 Y; `) ~1 H+ u0 D$ ?# K" V/ T3 L6 M+ W
这么大一个程序,看来只能靠自己了$ A. Q. m: F' m( i3 ^* ?; T

9 t3 f% o/ ?! I  j4 ^' f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。。。。
- w  \9 d; \: v$ }
3 y) e% N7 G& Z3 r! j2 J  O9 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! n$ z: F% F. c8 r& k6 i

) z: l# H0 o: W( i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, 2026-3-15 17:00 , Processed in 0.014094 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