Подякувати Студентському архіву довільною сумою
Admin
26.02.2023 12:38
Дякуємо, що користуєтесь нашим архівом!
Адаптивне управління
Інформація про навчальний заклад
ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Кафедра електронних обчислювальних машин
Інформація про роботу
Рік:
2005
Тип роботи:
Звіт про виконання лабораторної роботи
Предмет:
Теорія колективної поведінки інтелектуальних систем
Група:
КІ-44
Частина тексту файла (без зображень, графіків і формул):
Міністерство освіти і науки України
Національний університет „Львівська політехніка”
Кафедра електронних
обчислювальних машин
Звіт
про виконання лабораторної роботи № 5
з курсу „ Теорія колективної поведінки інтелектуальних систем ”
Тема:
Адаптивне управління
Мета: Ознайомитись з принципами адаптивного управління з механізмом наслідування.
Загальні відомості
Розглянемо N агентів, які розміщенні в середовищі E і одночасно в дискретні моменти часу реалізують кожний по одній дії з набору D={d1,d2,…} усіх доступних дій в цьому середовищі. Після цього кожний агент отримує відгук середовища (значення функції оцінки) ut,i, i=1,…,N і пов’язує його з дією dkt,i. (dkt,i, ut,i) При цьому значення {ut,i} можуть бути різними, в залежності від того яку дію реалізував агент та (можливо) в якій точці середовища він знаходиться.
Модель інформаційної зв’язності. В кожному такті агенти випадковим чином розбиваються на пари, в яких відбувається обмін значеннями (dkt,i, ut,i). Цільова функція колективу дорівнює сумі індивідуальних виграшів агентів.
Схема адаптивного управління з механізмом наслідування (варіант):
Кожний агент (Ai) виконує наступні два правила:
1) Якщо ut,i > ut,j, i(j, то повторити успішну дію (dkt+1,i = dkt,i)
2) Якщо ut,i < ut,j, i(j, то з ймовірністю p1 повторити дію "опонента" (dkt+1,i = dkt,j) і з ймовірністю p2 випадково обрати будь-яку дію з набору доступних дій D.
При цьому p1 + p2 = 1. Тобто кожний агент з ймовірністю p1 наслідує інших агентів, а з ймовірністю p2 діє "самостійно". Т.ч. "успішні" агенти будуть зберігати свою дію на довгий час, а "невдахи" будуть змінювати дії, наслідуючи "успішних" агентів. В такий спосіб відбувається пристосування (адаптація) колективу до середовища.
Текст програми
/* Copyright (c) 2005 alb. All Rights Reserved. * Multiagent systems Lab
* Computer Engineering Department * Lviv Polytechnic National University
* ===============================================
* Multiagent Systems. Lab work 05. Multiagent design I: Adaptive Control.
* Here two types of multiagent systems (collectives) are implemented:
* - collective of casual agents,
* - collective of agents with adaptive control.
* With given
* set of available actions D={1,2} and
* set of possible responses R={0,1}
* 1 -> reward (win) * 0 -> punishment (loss)
* you must investigate behaviour of these two colletives
* over T interaction in specified environments. */
#include "stdafx.h"
#define NACTION 2 // number of actions, avalaible for agents
#define NAGENT 10 // number of agents in collective (MAS)
int t; // current time step
int T = 100; // maximum number of time steps (interactions with environment)
int N = NAGENT; // number of agents
int neighbor[NAGENT]; // neighbor's array
double p1 = 0.9; // imitation rate
int env_model; // environmetn code:
// 1 - envoronment with static response
// 2 - envoronment with predetermined dynamic response
// 3 - envoronment with stationary random response:
// binary bandit task (n-armed bandit, n=2)
// variables for environment's parameters
int env1; // winning action code (env_model = 1)
int env2_action1; // first winning action code (env_model = 2)
int env2_action2; // second winning action code (env_model = 2)
int max_period=6; // max period of action repetitions (env_model = 2)
int cd1 = 0; // counter for first action (env_model = 2)
int cd2 = 0; // counter for second action (env_model = 2)
int env2[2]; // periods of action repetitions (env_model = 2)
double env3[2]; // probabilities of rewards for each action (env_model = 3)
// file for saving results
char * res_file_name = "test.dat";
FILE * res_file;
int action[NAGENT]; // RL-agent current action
int response[NAGENT]; // current response of environment (can be 0 or 1)
// agent results
int R[NAGENT]; // current reward over time R(t)
int sumR[NAGENT]; // total reward over time sumR(t)
float prcR[NAGENT]; // success percent(rate) over time prcR(t)
// MAS results
int Rmas; // current reward over time
int sumRmas = 0; // total reward over time
float prcNRmas; // current success percent(rate) over agents
float prcRmas; // success percent(rate) over time
int ag_type = 1;
int actNumber = NACTION; // action number of agent
int randomChoice (int _n) {
int r;
r = (int) ((float)_n * (float)rand() / (float)RAND_MAX);
return r + 1;
}
// automatic initialization of environment
void env_init (int env_id) {
int i;
int tmp;
switch (env_id) {
case 1: // envoronment with static response
env1 = randomChoice(actNumber);
break;
case 2: // envoronment with predetermined dynamic response
// random choice of first winning action (1 or 2)
if (actNumber == 2) {
env2_action1 = randomChoice(2);
if (env2_action1 == 1) env2_action2 = 2; else env2_action2 = 1;
// random choice of repitition number for first action
tmp = (int) ((float)(max_period - 1) * (float)rand() / (float)RAND_MAX);
env2[0] = tmp + 1;
// random choice of repitition number for second action
tmp = (int) ((float)(max_period - 1) * (float)rand() / (float)RAND_MAX);
env2[1] = tmp + 1;
}
break;
case 3: // envoronment with stationary random response
for(i = 0; i < actNumber; i++) env3[i] = (float)rand() / (float)RAND_MAX;
break;
default: printf("lab4 error: wrong env model code specified\n");
}
} // response generation
int env_response (int env_id, int ag_id) {
int win_action, _response;
float ftmp;
switch (env_id) {
case 1: // envoronment with static response
if (action[ag_id] == env1) _response = 1;
else _response = 0;
break;
case 2: // envoronment with predetermined dynamic response
if (cd1 < env2[0]) {
cd1 ++;
win_action = env2_action1;
}
else {
if (cd2 < (env2[1] - 1)) {
cd2 ++;
win_action = env2_action2;
}
else {
cd1 = 0;
cd2 = 0;
win_action = env2_action2;
}
}
if (action[ag_id] == win_action) _response = 1;
else _response = 0;
break;
case 3: // envoronment with stationary random response
ftmp = (float)rand() / (float)RAND_MAX;
if (ftmp < env3[action[ag_id]-1]) _response = 1;
else _response = 0;
break;
default: printf("lab5 error: wrong env model code specified\n");
}
return _response;
}
// print environment parameters
void env_info (void) {
int j;
printf("\nenvironment = %d", env_model);
switch (env_model) {
case 1: // envoronment with static response
printf("\n (%d)\n",env1);
break;
case 2: // envoronment with predetermined dynamic response
printf("\n(%d) -> %d, (%d) -> %d\n",env2_action1,env2[0],env2_action2,env2[1]);
break;
case 3: // envoronment with stationary random response
printf("\naction number = %d\n", actNumber);
for(j=0; j<actNumber; j++) printf("(%d) -> %f\n", j + 1, env3[j]);
printf("\n");
break;
default: printf("lab5 error: wrong env model code specified\n");
}
}
void res_open_file (void) {
if ((res_file = fopen(res_file_name,"w")) == NULL) {
fprintf(stderr, "Cannot open file <%s> for experimental results.\n", res_file_name);
}
}
void res_close_file (void) { fclose(res_file); }
void res_store_next_string (void) {
fprintf(res_file,"%d,%d,%f,%f\n",Rmas,sumRmas,prcNRmas,prcRmas); }
int casual_agent (void) { return randomChoice(actNumber); }
void get_pairs (void) {
int tmp[NAGENT][2];
int j, h, a, b, skip = 0;
int _i, _j, c, r, _tmp1, _tmp2;
// initialize array by static indexes
for(j=0;j<N;j++) tmp[j][0] = j;
// generate array of random numbers
j = 0;
while (j < N) {
tmp[j][1] = randomChoice(N*10);
h = 0; skip = 0;
while (h < j) {if (tmp[j][1] == tmp[h][1]) skip = 1; h++;}
if (skip == 0) j++;
}
// sort array in ascending order (bubble sort)
c = 0; r = N - 1;
for (_i = c; _i < r; _i++) {
for (_j = r; _j > _i; _j--)
if (tmp[_j][1] < tmp[_j-1][1]) {
_tmp1 = tmp[_j][1];
_tmp2 = tmp[_j][0];
tmp[_j][1] = tmp[_j-1][1];
tmp[_j][0] = tmp[_j-1][0];
tmp[_j-1][1] = _tmp1;
tmp[_j-1][0] = _tmp2;
}
}
// form pairs
for(j=0;j<N;j=j+2) {
a = tmp[j][0]; b = tmp[j+1][0];
neighbor[a] = b;
neighbor[b] = a;
}
}
// adaptive agent
int adaptive_agent (int ag_id) {
int nbr_id = neighbor[ag_id];
float rand_num;
if(t==0) action[ag_id] = randomChoice(actNumber);
else { // repeat own action
if (response[ag_id] > response[nbr_id]) action[ag_id] = action[ag_id];
else {
rand_num = (float)rand() / (float)RAND_MAX;
if (rand_num < p1) action[ag_id] = action[nbr_id]; // repeat neighbor action
else action[ag_id] = randomChoice(actNumber); // choose action randomly
}
}
return action[ag_id];
}
// print information about agent
void ag_info (void) {
printf("agent --> ");
switch (ag_type) {
case 1: printf("casual agent"); break;
case 2: printf("adaptive agent with imitation rate %f", p1); break;
default: printf("lab5 error: wrong <ag_type> value specified\n");
}
printf("\n\n");
}
int main (int argc, char* argv[])
{
int i;
// init random-number generator
srand((unsigned)time(NULL));
env_model = 3;
ag_type = 2;
// set parameters of chosen environment
env3[0] = 0.3; env3[1] = 0.8;
res_open_file(); // open file for results
printf("starting...\n\n");
for (i=0; i < N; i++) sumR[i] = 0;
// main cycle of program (over interactions with environment)
for (t=0; t < T; t++) {
if (ag_type == 2) get_pairs();
for (i=0; i < N; i++) {
switch (ag_type) {
case 1: action[i] = casual_agent(); break; // casual MAS
case 2: action[i] = adaptive_agent(i); break; // MAS with adaptive control
default: printf("lab5 error: wrong <ag_type> value specified\n");
}
}
for (i=0; i < N; i++) {
// get response of environment
response[i] = env_response(env_model, i);
// calculate agent results
R[i] = response[i];
sumR[i] = sumR[i] + R[i];
prcR[i] = (float)sumR[i] / ((float)t + 1);
}
// calculate MAS results
Rmas = 0;
for (i=0; i < N; i++) Rmas = Rmas + R[i];
prcNRmas = (float)Rmas / (float)N;
sumRmas = sumRmas + Rmas;
prcRmas = (float)sumRmas / ((float)t + 1);
// print current results
printf("curren succes rate: %f --> total MAS reward: %d\n",prcNRmas, sumRmas);
// save current results in file
res_store_next_string();
}
printf("\n%d interactions performed\n", t);
env_info(); // print information about environment
printf("number of agents: %d\n", N);
ag_info(); // print information about agent
// close file with results
res_close_file();
return 0;
}
Результати
Часові залежності для обох колективів для стаціонарного випадкового середовища у графічному вигляді із зазначенням чисельних характеристик алгоритму адаптивного управління та середовища, для яких отримано результати.
Залежності загальної суми виграшних дій від часу R((t) = (Rt для обох колективів:
Залежності біжучого проценту виграшних дій від часу (середнє значення виграшу, що припадає на одну дію): Ps(t) = (Rt / t для обох колективів:
Чисельні характеристики алгоритму адаптивного управління та середовища, для яких отримано результати:
environment = 3
action number = 2
(1) -> 0.300000 (2) -> 0.800000
number of agents: 10
agent --> adaptive agent
with imitation rate 0.900000
Висновки: виконуючи дану лабораторну роботу я досліджував принципи адаптивного управління з механізмом наслідування. Отримані результати показують, що обмін інформацією між парами агентів у колективі з алгоритмом адаптивного управління дає виграш у продуктивності приблизно на 15..20 % відносно колективу агентів, які обирають свої дії випадковим чином.
Ділись своїми роботами та отримуй миттєві бонуси!
0%
Оголошення від адміністратора