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: 9382|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:
! r4 T7 H' ^; \6 A+ j4 S% J5 ]& f
1 U) @0 J% {9 d: o% f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。
  R. z2 \& Y; Y( \  Q" B- ~# x
( C, B2 Z- w: T以下是对编程有用的具体的算法:5 b1 y' z& k( E& W9 O
2 F  ]  I+ v5 Q( F5 D
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]]。. d& x6 `6 t+ g$ C) S. x; W% u

8 ^& Z# x9 @8 ?, |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。* X; k7 d6 Z  S9 g6 M/ F
( L& t' w7 \: ^. i
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:
0 U! _  C5 a1 ?  t5 Q$ {
- |# k1 {8 l6 T7 _  L2 R6 G- o7 p      [ [0 0]  ->  [0.25 0.25 0.25 0.25]7 I  i8 ~0 ?6 {
        [0 1]  ->  [0.25 0.25 0.25 0.25]
) {4 f; F$ Z8 C% G4 p% r9 p0 q        [1 0]  ->  [0.25 0.25 0.25 0.25]
- m( o. L! W3 D8 C        [1 1]  ->  [0.25 0.25 0.25 0.25]
: M% {1 x$ t6 C9 f       ]2 F: u! O9 }/ J4 Z5 @3 t
# U( c5 d5 R, J5 _. V2 i7 G; D2 J
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]。' M; }5 m4 L; f9 X4 Z- g" {) A

& O8 _: w5 p. h- K- l# h; S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。
: Y) T# @# l; y# @
, _! Q1 ~0 n# \- ~- i8 a+ k1 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。/ r( N* M: a7 }$ t5 L, q3 a9 Z
0 S( m8 m1 ^: s
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。。。。
6 g& p3 u' i# H! R1 c6 d# j& V  F5 F5 t9 F- J
这么大一个程序,看来只能靠自己了
1 M( B0 q* ^2 v; ?+ r5 E, P) S* p2 ?6 i2 }2 I: C
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。。。。! B$ H8 ~6 _. ], _
0 c9 o  P5 i+ D. _; l
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$ n% f) B1 g4 B5 ~; ~
$ E- i( {* T9 ~
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, 2025-9-19 03:28 , Processed in 0.013260 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