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: 8809|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:& b2 y; S: p4 J* }1 @) n9 r
! X7 _. e9 M6 `7 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。
" E6 W; [& u; r4 P- _5 J3 s5 U* ]( ?2 ~
以下是对编程有用的具体的算法:/ i& a3 ~, l: w6 J
& C3 C/ ]+ Y) {9 i, O4 |( M
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 e. J+ g0 v2 G2 B! f

. X, B/ w0 B! m# m- D4 V" g+ [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。
: l: f' K6 Z) S$ ~# Y% _
& _# c: [7 ~: g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:
+ J. r  n* J* m
" l; |- Q9 G% U' c6 V* ^1 [, {, ]3 m      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
: v: G( y2 U1 A- Y0 Q4 D$ a        [0 1]  ->  [0.25 0.25 0.25 0.25]
0 }. U3 F+ P% l1 ]3 ^0 T9 K! x        [1 0]  ->  [0.25 0.25 0.25 0.25]( L6 N5 `# C- J2 \* N
        [1 1]  ->  [0.25 0.25 0.25 0.25]4 u8 w5 T; ^  M+ X$ T6 D" q
       ]
$ F, Z9 Z. [; F! }3 x: h' u0 k! [9 H9 h3 u# c  g% S% h. x$ P+ T5 B0 c3 P
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]。; V$ W9 E. y: K% H2 M% X0 [1 A0 C, G
" M1 l% ]# \( U- e2 U+ K
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。
& K* x9 J1 Z3 Z3 o* h
/ o. @. A8 O! C% ?6 M7 b3 j( L, r, X% R$ t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。
3 w1 {  o. f- T- t* Y" o
7 J/ g; f2 ~+ [( B/ I* d9 i  I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。。。。
* {3 w1 M, M9 J4 N
( e" G( g( V8 l# N) v这么大一个程序,看来只能靠自己了) r' E2 ]3 D7 q  J; N- x& a( K6 B
! l: S; l- ^  A' D. O
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。。。。; `; u0 @" A% I; @/ ?+ x# }9 k
, }. x0 _& p, h3 U/ S
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0 c: }& r/ X& i+ |
9 o% j' i; U3 H5 g% r1 G% U
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, 2025-7-2 23:22 , Processed in 0.015067 second(s), 12 queries .

Powered by Discuz! X3.4 Licensed

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表