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: 9996|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:
: \" `( x" K( u6 L$ O' @4 [9 t1 K# ~$ Z( w. k- c& \
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。
+ T. T- H" K. B6 X7 g& y& ]
" Q1 |+ m% L+ ]以下是对编程有用的具体的算法:
9 _5 B$ C1 x( f) p+ L/ }# s' R" `) `8 a7 B2 k( L. j9 @
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]]。4 _- ^& P  h. i4 T9 j6 [/ r1 y2 ^

! z, }1 C& J: j  I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。
+ G# p% P- w2 c, K* t" U
0 G7 y; N, `0 y- ~, j. v2 S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:
+ f" a$ p8 C& X& l, I2 g# K
7 h7 f; L5 E+ J( \9 ?      [ [0 0]  ->  [0.25 0.25 0.25 0.25]2 @& [$ f0 A' {2 \1 D
        [0 1]  ->  [0.25 0.25 0.25 0.25]
2 R$ P, P8 m7 C& o: M8 U3 L        [1 0]  ->  [0.25 0.25 0.25 0.25]
1 e7 Z+ {1 v, M; u        [1 1]  ->  [0.25 0.25 0.25 0.25]
- Y8 n. \& [' P8 X" H5 l       ]
% T% l0 ^8 q  r& N+ _" z2 c2 l$ [: R8 d% Q* {! H- b+ H
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]。
$ Q, i# _4 ~& v! O- y
2 l9 y6 S4 f1 s! j- ~: g! x$ q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。
$ b# M0 `0 w' P, i" @6 H1 Y3 P8 J2 O* i( Z( [5 j, o, T. I
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。  `) R2 D7 Y4 j3 ^" g  t/ ~6 g

  F5 K1 g6 u: b& y5 }  H4 K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 q$ m# x8 w! a- U( w& U9 I: l" W( P8 c" \7 k4 u9 G5 K" |; Q
这么大一个程序,看来只能靠自己了
: {3 Y+ x! h7 E" c. u2 v' u) G
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 O2 k# O0 H% r7 B! v/ r0 t
3 U; V2 c4 v" y  f! t! Z
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1 H3 l! S* |8 {  }. S6 ?

1 o# G2 d' o" q1 e8 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, 2025-11-9 16:02 , Processed in 0.017072 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