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: 9363|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:9 C* U8 M. c& U& U! z

0 s: h1 s& Y0 c& F( \$ U- G1 r; D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。5 Q- b. s9 q/ @; @9 @. v. q

1 g3 f' f( {4 v! s* [' p, J以下是对编程有用的具体的算法:; r5 f( P/ a2 r$ J% X
" I5 v8 i' H2 q6 Q$ t: i) x
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]]。2 L) }3 J8 Q! d. t( I) Z

* b1 c6 |- {  G7 h! c, d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。
6 I! r- ~( g% P+ D' O& P" |2 T$ l/ s/ b
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" ^1 e. k/ O. Y
( o  y, Q+ b: v% ~2 `2 D' I( S
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
2 w) z( `8 O3 f) E& j1 g: e        [0 1]  ->  [0.25 0.25 0.25 0.25]
% T: O8 Z9 E5 v        [1 0]  ->  [0.25 0.25 0.25 0.25]! O- C" l* V! [& o- Y" q( {8 T
        [1 1]  ->  [0.25 0.25 0.25 0.25]
/ g4 J. `- H& i& W" Q       ]9 T5 S5 j# {) w) U. c0 C: I1 O
; ^7 ?! m) g6 w
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]。% |1 [+ @0 g2 u

3 c1 \& q9 \7 N% `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。
9 T- i* e2 B9 \' I6 ?1 b- P& T) [2 v& y" u
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。: E" r8 y$ i7 U
( Y7 y5 G5 F7 E/ N" o7 }. K, y5 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。。。。
/ B7 m% q2 j4 A4 E
5 Q) Z- M! J- Y8 o5 p这么大一个程序,看来只能靠自己了4 e- s' P- d- C6 {) M( c
6 Z5 D1 O% x: V( S
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。。。。" m4 L5 P& g. U
* c: P0 N+ K, E- b
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4 F( l) H) p  H4 h, T" i: ?4 V, l6 N% U
  v* J0 b' d1 T) [5 w  Z/ ~6 ^  b
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, 2025-9-16 11:26 , Processed in 0.019476 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