|
|
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！ |
|
发表于 2008-6-7 13:39:29
楼主