|
|
5仿真币
对这个算法最直观的理解是这样的：. a* ~ h( Z; t- N( t+ }% c7 Q% }
6 \* }* ]" l: a" r. V( z
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。
8 b5 k/ v% X0 r4 q6 A
3 Q( N3 z" P+ _/ c) H g1 p以下是对编程有用的具体的算法：
% ~% w$ b, K1 L. K! V7 F, v6 g) ]9 v' I# M& s: i
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]]。 ?( U6 E; y5 P: Z
6 n8 o# h6 U3 C$ x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。
* X8 Q- j; }) c$ a( j& D
- Y5 p, |8 u" u5 T: R+ C( ?" 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：
0 h3 U( K6 {: l
) Y3 W) L! y5 i) ]5 V [ [0 0] -> [0.25 0.25 0.25 0.25]: b" n' e1 o1 Y) `6 N& E' y% n
[0 1] -> [0.25 0.25 0.25 0.25]
9 |" N$ H# n. l, p; ]+ ]+ @ [1 0] -> [0.25 0.25 0.25 0.25]" x- T, _% p5 p G
[1 1] -> [0.25 0.25 0.25 0.25]0 Z# w1 s' Y! y/ q* ~; i* n
]
. ~7 t5 A+ q8 g9 p1 w& T2 O8 s% F* J# c- J& \2 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]。& ^/ k7 _: r( ~! j7 X) H
i* @4 r8 X# B2 }4 g( A
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。
( o' n' C% [* E
7 H+ ^; b" U! n$ ^; z% ~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。
9 G U1 w' t, D# S( Z8 A ^, e
& T1 \& u; o8 ?& f( z c% Z$ @恳请高人教导！ |
|
发表于 2008-6-7 13:39:29
楼主