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: 8919|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:
" b3 n( K! \7 K" p! i! D- l( B$ {# y- w/ P' M6 T; n
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。
% m4 p8 U9 [9 p$ m( W
. v9 G$ W6 G; V+ Z以下是对编程有用的具体的算法:- |3 K9 e/ z1 k. `3 u) L
/ {# i  d4 r& c1 c3 W8 m
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]]。
5 P. T, c) b* J, h* ^
1 e; r4 ?7 ]+ Z5 q6 [( H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。
7 c4 _% F2 V( Z! @% T- s+ n" s' I: G/ b6 k( _( z! ^
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:$ g( r1 {, m6 K1 G% S6 k. s
6 o( K3 N3 ^, A7 n7 E' t- o5 {
      [ [0 0]  ->  [0.25 0.25 0.25 0.25]( f7 S/ O8 r: T7 X
        [0 1]  ->  [0.25 0.25 0.25 0.25]
" C1 c) o* H7 d0 _4 y: k+ S; C3 r        [1 0]  ->  [0.25 0.25 0.25 0.25]
# a' z8 q, ]6 M& F! t! N7 Q        [1 1]  ->  [0.25 0.25 0.25 0.25]1 i0 q$ E" E) J
       ]& Q5 P3 f  ~; I# A) _! l7 d5 X  r
: h% s  ^) j. P0 D' ]
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]。
- H1 h/ \# }( b1 N; s5 ~. c
- J, g" r; X! P- q, O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。6 G1 ?9 v, K  D4 V" D* H( u, n
6 B( ]& ]/ @0 ^) P
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。
$ K5 r5 U! |; v) }4 \
. f# u7 N! H4 Q  y+ H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。。。。
7 S$ i! _+ e5 @% S
" r% x' X$ E! e8 E% B0 C这么大一个程序,看来只能靠自己了
  ]7 s5 C/ J3 y9 |- ~1 m/ E7 x1 x' [& Z, I( g9 T
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。。。。
) V0 w4 L  A1 ]
- N- {2 O+ w. _: o. i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
; _9 d' b  ?) X, t7 J% |/ ?; P; [+ b/ D% X  S) ]
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 08:46 , Processed in 0.017557 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