|
|
5仿真币
对这个算法最直观的理解是这样的：
5 s; f# P5 O4 o; E/ {( i B! J. x1 B- b& I) j* F) F9 g9 B: E
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。
3 N; `1 T# O1 \7 a4 Q4 b+ k: x, s5 R4 O
以下是对编程有用的具体的算法：
+ }* O+ E$ x% k3 A
2 G% w b L0 k* 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]]。
3 P. \2 T4 u! w2 {: v8 y1 P: d
& V5 h, k* d9 j4 }1 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。
6 W3 [5 y j1 t5 i+ e1 S
7 H6 u# H4 q( 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：
% o* V9 I- H x: [) O( G
2 p( b% n _7 ^ ^, M [ [0 0] -> [0.25 0.25 0.25 0.25]- H4 d) A Z8 C+ K3 p
[0 1] -> [0.25 0.25 0.25 0.25]
2 p5 W4 b$ Y3 q4 K9 n! o% S8 p [1 0] -> [0.25 0.25 0.25 0.25]$ j/ X2 ]$ I; Q y1 m3 a- q
[1 1] -> [0.25 0.25 0.25 0.25]7 O; g1 k2 L1 y8 T2 U. L1 A' @
]6 e/ e9 U* K- N" G/ R2 `7 x$ n) i6 d8 N
" w) w5 d( X$ i6 @ x. B) y
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]。& W$ D6 L( y# ^
6 {3 m& {: o8 e* U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。
- e3 A2 g z- w( c
Z) e2 l) X. n$ ? \3 R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。7 Y1 d9 w8 s$ z/ W# C
6 J' z: v. Z7 e( t- W t1 Z0 f恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主