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: 9229|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:/ @1 k; i0 b) u, k3 m- Z

; i- P& m/ }; D' |5 s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。# Z: s- D3 g* b. L

1 N+ j( t! L) ]7 A* ]' e$ u以下是对编程有用的具体的算法:
4 @' y  ]2 i0 j$ ~( d
/ h. c2 Z, D+ z1 e* ^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]]。  s# s$ d- J* L+ W/ Z* J: H

3 W1 \) ?  Z+ A% e; W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。% r: z( w6 c! S$ |
7 O0 C2 d$ [0 |" ~4 \, w& W9 y
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:
: y( Q+ d: T4 j5 E
# Q5 R( X2 U. c4 f* F4 l* ^      [ [0 0]  ->  [0.25 0.25 0.25 0.25]/ D" j6 K+ O/ Q  C9 Z
        [0 1]  ->  [0.25 0.25 0.25 0.25]
) w* \8 V4 V9 V8 N        [1 0]  ->  [0.25 0.25 0.25 0.25]5 j5 s+ Z4 M+ I/ J. m" z* I. p
        [1 1]  ->  [0.25 0.25 0.25 0.25]
  \( q. j+ w" S! n+ Q6 g9 p       ]# F7 r$ y; j8 R) i
. N% X, n8 I: \  e3 b
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]。2 e4 ^% s( H- P- S+ D7 p, h

: s  w6 l* K9 }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。
' [: o; C7 l; [5 N- d0 r# L4 ~7 N. A4 A  k4 \/ [2 s
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。* U9 r4 s$ D6 S9 z# t; ^6 n

& I1 U8 h% j' l" n* ~2 |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。。。。
% k6 c' p/ [6 G7 t6 S: x" m9 B& N1 m: t7 y+ q2 u- g
这么大一个程序,看来只能靠自己了
1 x3 X' Q1 b3 A% @
: Q3 J4 F, W. z& b- t" _% 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。。。。
) z  Z6 C8 i! l, i8 x( q; f' a/ K( T7 r: C. M5 H  J
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+ c7 u. v1 l8 M0 G0 n9 y& T/ n$ T; a3 z
, K- S# \2 C+ R2 _$ O2 g0 }. q9 I
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, 2025-9-5 06:03 , Processed in 0.012848 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