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: 8916|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:
% b7 ?9 e" \- a2 s
2 q+ D" O& |: i, {4 v8 U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。# ^  b0 Z6 h* p( s  z: C" X

- w- U2 }2 A% a. E# V3 Q6 Z以下是对编程有用的具体的算法:
, @& i2 K: q* o& v8 c- b
: a8 N* L" O/ g4 }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]]。- i$ G2 H* I, a# I6 O' J

+ h) [( H4 |; P& g% y% L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。
5 u9 a/ {9 P& N2 `1 r' H; B0 s* j' @; \& }: L2 H
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:
) b0 j: {9 l5 M( }# V& O
" B+ r# A! V! d7 y# _$ l      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
( m& Z% ?2 z7 K( U3 g: O! C' M        [0 1]  ->  [0.25 0.25 0.25 0.25]
( l- p- P) B7 R7 \0 |0 j6 e        [1 0]  ->  [0.25 0.25 0.25 0.25]
& m; q9 r5 A8 q4 x! `        [1 1]  ->  [0.25 0.25 0.25 0.25]
1 d3 K. z7 v" R, i$ T1 O2 }       ]
. c( m- K4 ?' |: [0 j
, ^" A4 [5 {- X$ U; f  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]。  v0 n, r/ y/ y! n1 O* E

6 p2 |7 I1 z3 W' d) q* 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。
- Q6 j" E8 A) m. A
  C7 D, m( a" Y- t7 |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。/ l6 s# [# G9 i

5 P4 D/ N. Y1 e; \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。。。。) ^5 ~( U: H0 \0 k/ {! R

: d, b3 \! U% ?& e5 }7 g! R这么大一个程序,看来只能靠自己了/ `4 |% J4 B. V1 Q) C

3 S( l4 _/ b) Y4 d& @3 `. k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。。。。
/ _5 Y  c/ K* \3 i7 T
/ r) Y6 `' t! @) T: L$ R4 v  y  `* Q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2 s7 a5 v1 y  h/ _5 w

/ H1 o1 [$ o# D+ y  h# e6 J6 k; O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, 2025-7-19 07:23 , Processed in 0.012061 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