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: 8842|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:% |, Y. E9 `1 J0 ~- ?- G" H' i' @

: V3 s3 Q" O. w) K; x( r3 O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。
" R4 b1 x( X! r* Y: H9 {
- e6 V) n7 Q8 i  {# v  }! j以下是对编程有用的具体的算法:
7 a/ E- x9 {- }; n; m9 `& l( W1 x9 n( O" t8 ~$ g5 z8 U6 p7 O
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; n" a8 }% v9 z0 n' C- |/ z
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。5 x7 P; }6 \3 B' i3 z0 {" p

; Z) E- ~4 g7 Z, u' M8 c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:
9 w; D2 h) ~3 R; a6 [
8 I  z7 g) v9 R! h4 ~      [ [0 0]  ->  [0.25 0.25 0.25 0.25]0 y2 B. n3 K. r( U0 d
        [0 1]  ->  [0.25 0.25 0.25 0.25]$ q4 X, f; G% g3 p' Y
        [1 0]  ->  [0.25 0.25 0.25 0.25]
% T! I+ |, m; `        [1 1]  ->  [0.25 0.25 0.25 0.25]: d. P' V2 m1 ]6 q3 O. O6 K
       ]& N5 L8 P, ?+ t

2 }2 C; ^. O+ O4 Y. a; B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]。0 e; W" ]8 n" ?; F3 {
" G- t! X7 Y& k1 |2 Q
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。8 e8 M! f2 v  ~: I9 F$ F

. l; W: I; m6 R7 ^5 ~# |8 q5 }( s$ e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。8 S6 l' a/ E) E- T' q4 L1 |4 {
5 g' Q3 n# _( k5 d
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。。。。
9 F+ ]. T% d3 K( g1 v5 G' s: {7 G% ]
这么大一个程序,看来只能靠自己了
# `$ _4 ~# I8 o) h+ s' w2 W7 s" [/ ^! q( _
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。。。。) v9 H& N" _" e2 g

0 _- s+ _' Q, B2 \4 n! `! J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
7 f1 X, W7 i5 ]! q  X7 O2 C: X- n- v
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, 2025-7-8 22:44 , Processed in 0.011367 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