Java 中的马尔可夫模型决策过程
Markov Model descision process in Java
我正在 Java 中编写辅助学习算法。
我已经 运行 解决了一个我可能可以解决的数学问题，但是由于处理过程很繁重，我需要一个最佳解决方案。
也就是说，如果有人知道一个优化的库，那将是非常棒的，但语言是 Java，因此需要考虑这一点。
这个想法很简单：
对象将存储变量组合，例如 ABDC、ACDE、DE、AE。
组合的最大数量将取决于我可以 运行 而不会减慢程序速度，所以理论上可以说是 100。
决策过程将在每次迭代中生成一个随机变量。如果生成的变量是组合之一的一部分，例如。 'A' 是 ABDC 和 ACDE 的一部分，比 C 和 B（或存储组合中的任何后续字母）的倾向会增加。
为了让事情更清楚一点，我们假设 'A'、'B'、'C'、'D' 和 'E' 是唯一的可能的变量。事实上，会有更多的 12 或 14，但最大值也取决于我可以无延迟地处理多少。
由于有五个可能的变量，它将为第一次迭代生成加权 1/5 的随机滚动。如果结果是 'A'，那么在下一次迭代中 'B' 和 'C' 现在将有 2/5 的倾向而不是 1/5。
如果下一次迭代生成 'B'，'D' 倾向将增加到 3/5。注意：关系是指数关系；实际上，它不会是 1/5，而是像 10% 这样的轻微提升，如果它达到序列中的第 4 个变量，它会像滚雪球一样增加到 50%。
现在，在 Java 中，我可能可以通过跟踪每个对象的所有存储组合来实现此功能。我在想，通过在每次迭代中分小步分布跟踪过程，应该不会太慢。
另一种解决方案是映射所有可能的组合及其潜在倾向。这当然只需要一个搜索功能，但也会在计算所有可能性和存储在某个地方（可能在文件中）时出现问题。
有人建议我应该使用马尔可夫模型 and/or 库，虽然我对这种类型的数学不太熟悉。
如何在 Java 中快速计算这个过程？
.
例子>>>
只有一个序列ABC。
对于三个数字，机会开始时是相等的，所以它看起来像 rand(1,3)
如果 A 是结果，我们会增加 B 的可能性，因为它是序列中的下一个字母。假设我们加倍。
所以现在机会是：A=1/4，C=1/4，B=2/4
函数现在看起来像 rand(1,4)，其中 3 和 4 的结果都代表选项 B。
如果下一个结果是 B，我们想增加 C 的可能性，因为它是序列中的下一个字符，但是是上次增加的两倍（指数）
机会现在是这样的：A=1/6，C=1/6，B=4/6
函数现在是 rand(1/6)，其中值 3、4、5、6 代表 C。
如果你愿意，你可以写一个 C/C++ 版本，并使用 NDK（NDK 的开销在从 Java 到 C/C++ 的 JNI 翻译中方法，但一旦到了那里，它们就会快得多）
这是一个想法。但是......我认为你不必走那么远（至少要获得适用于较小集合的版本）（也许以后转向 NDK 可能是大集合的更好选择）
我认为您最好将其视为 'whole number fractions' 数组，也就是...每组动作概率的二维数组。意思是 'top row' 上的分子和 'bottom row' 上的分母。由于您要使用的集合可能很小，我认为一个简单的节点链表（其中每个节点都有自己的一组概率）会起作用。 （这些概率是 'that' 节点从 S 到 S' 的转换表。）
int[][] probs = new int[100][2];
所以你可以把它想象成...
1 2 1 1
4 3 4 9
作为整数运算的 1/4、2/3、1/4、1/9。这在算法的 'some' 部分会更容易，因为您将能够为“removeColumn”创建很好的辅助函数（创建 0/0，并跳过其余的处理等（或者您想要表示它） )) 和 'adjustProbabilities()'
（如果您将分母设为单个 int（最小公分母），您也许可以使用单个分子数组，但我可能会在让 2D 数组版本工作后将其作为优化)
然后只需为每个节点编写与该数据交互的 'simple' generic P, R, and V methods。然后让它们adjustable/extensible/etc具有良好的面向对象设计。
然后 'play with the numbers' 折扣系数等
我认为这更多的是 'just take the time to test it out' 而不是关于任何真正复杂的数学算法等的问题，因为据我所知，没有 'obvious' 可以优化核心算法的地方.
我正在 Java 中编写辅助学习算法。
我已经 运行 解决了一个我可能可以解决的数学问题，但是由于处理过程很繁重，我需要一个最佳解决方案。
也就是说，如果有人知道一个优化的库，那将是非常棒的，但语言是 Java，因此需要考虑这一点。
这个想法很简单：
对象将存储变量组合，例如 ABDC、ACDE、DE、AE。
组合的最大数量将取决于我可以 运行 而不会减慢程序速度，所以理论上可以说是 100。
决策过程将在每次迭代中生成一个随机变量。如果生成的变量是组合之一的一部分，例如。 'A' 是 ABDC 和 ACDE 的一部分，比 C 和 B（或存储组合中的任何后续字母）的倾向会增加。
为了让事情更清楚一点，我们假设 'A'、'B'、'C'、'D' 和 'E' 是唯一的可能的变量。事实上，会有更多的 12 或 14，但最大值也取决于我可以无延迟地处理多少。
由于有五个可能的变量，它将为第一次迭代生成加权 1/5 的随机滚动。如果结果是 'A'，那么在下一次迭代中 'B' 和 'C' 现在将有 2/5 的倾向而不是 1/5。
如果下一次迭代生成 'B'，'D' 倾向将增加到 3/5。注意：关系是指数关系；实际上，它不会是 1/5，而是像 10% 这样的轻微提升，如果它达到序列中的第 4 个变量，它会像滚雪球一样增加到 50%。
现在，在 Java 中，我可能可以通过跟踪每个对象的所有存储组合来实现此功能。我在想，通过在每次迭代中分小步分布跟踪过程，应该不会太慢。
另一种解决方案是映射所有可能的组合及其潜在倾向。这当然只需要一个搜索功能，但也会在计算所有可能性和存储在某个地方（可能在文件中）时出现问题。
有人建议我应该使用马尔可夫模型 and/or 库，虽然我对这种类型的数学不太熟悉。
如何在 Java 中快速计算这个过程？
.
例子>>>
只有一个序列ABC。
对于三个数字，机会开始时是相等的，所以它看起来像 rand(1,3)
如果 A 是结果，我们会增加 B 的可能性，因为它是序列中的下一个字母。假设我们加倍。
所以现在机会是：A=1/4，C=1/4，B=2/4
函数现在看起来像 rand(1,4)，其中 3 和 4 的结果都代表选项 B。
如果下一个结果是 B，我们想增加 C 的可能性，因为它是序列中的下一个字符，但是是上次增加的两倍（指数）
机会现在是这样的：A=1/6，C=1/6，B=4/6
函数现在是 rand(1/6)，其中值 3、4、5、6 代表 C。
如果你愿意，你可以写一个 C/C++ 版本，并使用 NDK（NDK 的开销在从 Java 到 C/C++ 的 JNI 翻译中方法，但一旦到了那里，它们就会快得多）
这是一个想法。但是......我认为你不必走那么远（至少要获得适用于较小集合的版本）（也许以后转向 NDK 可能是大集合的更好选择）
我认为您最好将其视为 'whole number fractions' 数组，也就是...每组动作概率的二维数组。意思是 'top row' 上的分子和 'bottom row' 上的分母。由于您要使用的集合可能很小，我认为一个简单的节点链表（其中每个节点都有自己的一组概率）会起作用。 （这些概率是 'that' 节点从 S 到 S' 的转换表。）
int[][] probs = new int[100][2];
所以你可以把它想象成...
1 2 1 1
4 3 4 9
作为整数运算的 1/4、2/3、1/4、1/9。这在算法的 'some' 部分会更容易，因为您将能够为“removeColumn”创建很好的辅助函数（创建 0/0，并跳过其余的处理等（或者您想要表示它） )) 和 'adjustProbabilities()'
（如果您将分母设为单个 int（最小公分母），您也许可以使用单个分子数组，但我可能会在让 2D 数组版本工作后将其作为优化)
然后只需为每个节点编写与该数据交互的 'simple' generic P, R, and V methods。然后让它们adjustable/extensible/etc具有良好的面向对象设计。
然后 'play with the numbers' 折扣系数等
我认为这更多的是 'just take the time to test it out' 而不是关于任何真正复杂的数学算法等的问题，因为据我所知，没有 'obvious' 可以优化核心算法的地方.