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: 8917|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:/ Q. V9 W1 ?  W- C/ x: V0 z" z

* o, X. V: l" ^  ?5 W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。1 ^6 ]$ F1 V- {' y! u% I
# ?  a0 o" Q3 ?3 t
以下是对编程有用的具体的算法:0 i" w" L' e$ C/ s* L# S

$ s* ?& u- d% S/ k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]]。
' o& G& a; e/ q, O& D" |/ t, T- f) {
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。# {& P& \2 C6 U
9 X( e' k- |6 u; }$ X# Q
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:
3 t' B4 ^% K0 C" H4 ]) U! ]/ w9 x" L5 [: W& u$ N) c6 X
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]
/ s# k0 y1 Y& t: E, W        [0 1]  ->  [0.25 0.25 0.25 0.25]1 k  F: I6 u* s+ |2 X
        [1 0]  ->  [0.25 0.25 0.25 0.25]
" r+ a2 F" r4 V4 s/ {$ g" o        [1 1]  ->  [0.25 0.25 0.25 0.25]
0 E7 _( c& `  ^" a       ]- x2 F- R3 N2 E2 W

5 t5 ?6 d* x/ J1 f5 o& G7 Y; h8 u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]。; n% [# s0 E9 m/ G

( V5 w, [, ^  F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。
, p% \) }; E- l& F  |% H4 v
" O3 @& \: \/ y3 j$ d8 G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。5 `) T( l% D! u0 g  p9 x* J

9 X, l; U' k7 o0 k" u; @/ n2 u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。。。。: }9 [3 G, V3 F2 P

! Y1 S% J, V; X7 f: i/ O2 s2 x$ R0 Q7 }这么大一个程序,看来只能靠自己了
7 C) {  d  b& j1 l& Q) X
3 K5 R3 A5 ?6 J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。。。。* t) K( e! f2 E. X: z; |9 y" e# b
/ k" ]3 F$ M  l+ |5 r, _+ t
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
7 E4 W. ?* ^0 G" B# ]. F2 q  S! t+ W/ i) {" r& {/ C
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 07:39 , Processed in 0.013308 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