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: 12437|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:
/ t: W  K9 q- q4 P1 f
  q5 P( i0 l8 N+ M3 y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。* q7 f" l2 i) i' _) }% U
% @) o8 L3 D# g) O$ b) o
以下是对编程有用的具体的算法:
  W' u$ r# v3 ^
  l& L' x% l. L8 g& ?& _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" ^& R) M" a, ]

- z' V. h  {0 }( Z) D8 t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 Z' r  z2 _/ N( S& h) O/ L% w7 e6 H# e
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:
" |; Y7 |6 M6 p: `
" b0 V- H/ Q8 d. h      [ [0 0]  ->  [0.25 0.25 0.25 0.25]. X% d# m- o1 Q
        [0 1]  ->  [0.25 0.25 0.25 0.25]3 k  i4 {5 Z& Q" d* i* c5 f
        [1 0]  ->  [0.25 0.25 0.25 0.25]
) N3 q! }) l  X: P1 ^- O9 w        [1 1]  ->  [0.25 0.25 0.25 0.25]0 u1 r, c$ L. N' R
       ]4 v1 x2 Y+ P: l
0 r5 d: ~# z& G6 S. a5 C9 H
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]。
$ C1 A4 l0 ]3 p: h, j# f% r: K, W. P, ?% Y8 D7 [; |7 f" j
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。, _/ R) F6 p& f/ B+ S

6 a% e" s, J  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。' S- ?9 N" |7 A% D4 l

! u* n7 [' U* O1 }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。。。。
  \; \) y7 P& `7 S3 `6 H
4 [+ u% q1 X) [& G+ ^  h  k这么大一个程序,看来只能靠自己了
0 c+ o% y8 l$ T! Q2 [8 L
0 X) j# h; x+ z6 @6 l- l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。。。。
! S8 S: O9 J3 b* D' I4 v& P7 T" M# ?0 V7 h: e& b
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) H: P# L4 y. G: H, U; o2 H

! A% p. w: U% l7 u) h& i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, 2026-8-13 14:54 , Processed in 0.011044 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