|
|
5仿真币
对这个算法最直观的理解是这样的：! T5 }7 I2 L; J$ r1 k" Z
: M L. z$ V* B' ~0 j5 {1 b: J
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。
' g1 D/ Z+ Z1 W4 c( |/ ~) L) q" Q/ m O6 F
以下是对编程有用的具体的算法：
; T' ^% I( k# b4 B5 v- r3 v _) W9 N* `2 G/ S& x t3 P8 ^
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 s [6 |3 O* M
% p3 H5 q# q# |* Q" C3 V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。% y7 g+ F0 k% B' x. }! H
% h& U. |6 R1 M1 u. k0 P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：
! N5 s. J0 `/ a2 T; E6 A
' I- o' u. d, P0 c+ h' r, I [ [0 0] -> [0.25 0.25 0.25 0.25]
, c- a% M9 s' }* N4 ^* q [0 1] -> [0.25 0.25 0.25 0.25]
+ H/ P/ e8 x ? [1 0] -> [0.25 0.25 0.25 0.25] D# T; Q+ \2 V& } @( }, q% q
[1 1] -> [0.25 0.25 0.25 0.25]5 K k. [, @1 z
]5 D9 {4 Q5 V- Z! p
3 B. P7 e7 ]7 G$ a
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]。) k9 c8 X1 \/ z8 _" S! I
/ T. ]* l" T X0 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。* u# a$ t8 G0 T
) h1 T4 x3 ~! ~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。
5 l% F; X4 d2 @+ G* Z- N
2 Y* j; v' L* X# Y" M( }2 w9 \1 d恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主