def politica(self, U):
A, S = self._modelo.A, self._modelo.S
PI = dict()
for s in S():
a_max = argmax(A(s), lambda a: self.util_accao(s, a, U))
PI[s] = a_max
return PI
def _politica(self, U):
S, A = self._modelo.S, self._modelo.A
PI = {}
for s in S():
PI[s] = argmax(A(s), lambda a: self._utilaccao(s, a, U))
print(PI)
return PI
def politica(self, modelo, U):
#argMax e da psa e recebe o dominio de valores e a funcao, e pega em cada elemento do dominio e activa a funcao com esse elemtno,
#calcular os valores todos e retornar o elemento que produziu os valores maiores
S, A = modelo.S, modelo.A
pol = {}
for s in S():
pol[s] = argmax(A(s), lambda a: self._util_accao(modelo, s, a, U))
return pol
def seleccionar_opcoes(self, opcoes):
# ver as opcoes avaliar os planos
# escolher a utilidade, que pode ser definida como constante ou calculada
# sorted( lambda utilidade)
if opcoes:
criterio_avaliacao = lambda opcao: opcao.obter_utilidade()
opcao_sel = argmax(opcoes, criterio_avaliacao)
self.intencoes.append(opcao_sel)
def max_accao(self, s):
shuffle(self.accoes)
return argmax(self.accoes, lambda a:self.qval(s,a))
def _max_accao(self, s):
return argmax(self._accoes, lambda a : self._mem_aprend[(s,a)])
def maxtrans(self, estado, modelo, V):
trans = modelo.transicoes(estado)
a, s = argmax( trans , lambda (a,s): V.get(s, 0))
return a, s
def max_accao(self, s):
# baralha a lista para garantir que nao corremos sempre a mesma lista
shuffle( self.accoes)
return argmax( self.accoes, lambda a: self.qval(s,a) )
def max_accao(self, s):
# selecionar a accao com melhor recompensa
shuffle(self._accoes)
return argmax(self._accoes, lambda a: self._mem_aprend[(s, a)])
