|
|
5仿真币
对这个算法最直观的理解是这样的：
4 B' k P% V( Z/ ^. C
& w8 g& D- n5 S8 F% _! s+ U- d" N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。
& h2 T2 U8 J+ Z$ X
+ }1 F6 m1 d# s+ E4 z6 S! O以下是对编程有用的具体的算法：
. \! K6 J; h0 P( ?3 u# Q- Y, [, d5 J6 ?4 u$ U
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]]。8 d7 M4 Y6 g% n4 T1 G3 J! P
% I; y% s0 ^* Y$ w0 v+ B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。
t( q$ s3 v4 H1 L$ b( `8 E C0 W
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：, s+ t* Y1 O9 V6 f
" H/ J9 v5 l; `- j' X, w3 q% i [ [0 0] -> [0.25 0.25 0.25 0.25]8 e5 }$ T4 `6 f. s$ U
[0 1] -> [0.25 0.25 0.25 0.25]& d7 j0 O3 b1 |
[1 0] -> [0.25 0.25 0.25 0.25]
; @" Z6 Y( I! u$ z [1 1] -> [0.25 0.25 0.25 0.25]
( | b2 A1 R4 ^: J# f ]( ?1 [/ {0 ]4 w( i( T' N7 }
& ~4 j m0 ]" z1 L) |5 N) |, J" c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]。5 W+ l, ]& D: x8 S8 N: m# K
8 U! [* j5 R, y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- V- _- g+ P, F3 s' s7 ?
5 G$ z8 E/ o" l: S1 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。
# r1 j! Z" R' a6 b, P* n3 R" w z0 n4 F2 Y6 M1 h
恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主