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: 9724|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:
3 c6 ^# L- Q( o6 n" l/ B9 v" W3 r8 ?0 s0 t& i
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。
3 [% Q* S% @& |5 I2 H! L7 h
. O1 s9 }1 \+ O& ?# g# i以下是对编程有用的具体的算法:0 X' L8 t1 @5 t2 Y; l& D; S. |

- z& Z2 U  q2 q. \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]]。1 R8 [5 D9 u5 e# B  P1 V
# j0 L1 O. P* `
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 h# a) p- N/ H2 k2 z

9 ^5 h( {, G8 d4 A1 A- w2 v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:
. }& q4 x" f; I# E8 y/ q1 n. T$ ^' v& }; t5 v" x
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
, o; H. h( h. g6 V0 B& x' D5 l        [0 1]  ->  [0.25 0.25 0.25 0.25]
8 d$ c, _8 Y/ }  t. M        [1 0]  ->  [0.25 0.25 0.25 0.25]3 r" |1 x. D! {
        [1 1]  ->  [0.25 0.25 0.25 0.25]' k! L8 |; A3 ^& i7 m
       ]
" n& i2 q% K9 s7 Z3 Y% A0 @0 D- w: c* q# P  a9 `
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]。
* L( ]  ^  y6 e  p
, C( J  g/ j$ v$ P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。- x2 A, W, Y. j1 r# W
4 a" }1 ~! P- b6 j
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。; W4 K3 Q3 p2 U3 N7 E* M/ x1 T, }% w

3 |1 n; J& Q+ h# a2 @& P4 T5 w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。。。。( Q& q. }+ C4 ~$ r3 y7 V

* c8 b& }8 O6 n( v这么大一个程序,看来只能靠自己了
) h/ \! F; B  m
/ ?- x# A/ i9 m% h: R! {+ z, @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。。。。
1 P7 ]* f  V4 q' |6 T. {
# D! [, U0 @* R8 I" C7 }  O. P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4 C8 m* z; H$ c; c: S7 U" [' ^
) D; t. O4 i' s5 L; K9 ^
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, 2025-10-17 15:57 , Processed in 0.027027 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