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: 9240|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:/ M1 M% N# \# m1 _
7 ]# k4 X% [6 h+ \
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。/ Y4 z# ~1 r6 p0 g- q

* P3 {; s( s) m" s以下是对编程有用的具体的算法:# \9 r' q  o/ ]) P0 m
- W. e  M# W8 s8 p9 ^; O
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]]。( {3 e9 E7 s5 Z$ t9 Q( ~- p
" f( f( Q, ~% n! a$ r
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。$ w" a/ B8 X- \( W
, ]- n# S7 p; s6 z2 v4 p
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:
6 S0 k' u: B8 s; T, {/ ~# A0 n, L, y" b  h$ u
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]: f6 J4 ^0 i/ \# i! W
        [0 1]  ->  [0.25 0.25 0.25 0.25]- X* Z, U/ [0 S
        [1 0]  ->  [0.25 0.25 0.25 0.25]
( Z# u3 M+ P) C        [1 1]  ->  [0.25 0.25 0.25 0.25]8 v; u8 S, C. X* p$ |$ Y* l
       ]0 A9 P5 {8 `3 D

& U& f9 J  v7 V( R, 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 }1 ~" A% P5 G  l! y2 K# w
- @, j) d' P; W4 V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。
# }0 F& [5 \) A% n- ^
2 |. ]% D) }6 W( L* b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。
$ b0 v" u8 l9 H) P' y5 ?
5 k% w- H  ^. P7 ]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。。。。- o7 T+ N" X) K1 B- W* C8 {
6 S' `0 D5 ]2 H; r7 ]5 H8 s' q4 q
这么大一个程序,看来只能靠自己了5 t$ w) O7 }# s6 \& [; t& i
( V6 \* G' r" k3 Q& d& C8 t1 ]
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。。。。
: B2 J" E5 r' Q- r3 m" v  H3 e
% e5 A2 j) O, a! Q. l$ r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
+ X5 W3 i. a: X  R% U+ M( z& G2 O! [, V2 N/ m# w4 s
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, 2025-9-7 14:22 , Processed in 0.012438 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