|
|
5仿真币
对这个算法最直观的理解是这样的：
; C/ P; M" E" ]: H; p& T9 J2 |- ] T" [
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。! K' v: J& q; D% _3 N
, W! w p0 V- C# J( p' N4 n9 n以下是对编程有用的具体的算法：
5 H4 w# f* ^9 F- z. ^$ J4 ^& f# Z) H/ |6 [) j5 K' _$ g1 Z% @$ B
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]]。# l! a0 Q+ S1 g/ r L0 H! s
8 |3 V% N5 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。( M# m* m) Z( @* j2 k9 M
, l$ I5 A+ T) i: L9 j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：
- p7 M7 M+ T% X1 k. @- \7 e/ O8 u$ \0 t0 D W
[ [0 0] -> [0.25 0.25 0.25 0.25]
+ C j& {9 L9 _" J3 D [0 1] -> [0.25 0.25 0.25 0.25]0 ?. ~) L( h9 a) u
[1 0] -> [0.25 0.25 0.25 0.25]5 n! q- g' v4 c: D8 Y
[1 1] -> [0.25 0.25 0.25 0.25]8 ~/ i: ?; e7 M) o4 ~& _# Y
]
/ ?- c) P" h& F
3 ^$ ?' |# f. `$ P& 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]。
. D$ U" `: J A, w" H p- z8 J- ]; H
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。# E. P- L$ c, A6 ~' u
% s; H. H9 W# q$ G8 e7 q! 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。
: \6 A2 G+ }/ o* v- Q5 \7 G% E) [% h* }) W9 l7 a
恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主