I'm running simulations on two agen

I'm running simulations on two agents: random agent and probabilistic agent. The world they are running in is the Wumpus World where the agent is dropped in a 4x4 grid where each cell has a 20% chance of being a pit and there is only one wumpus and one gold. For my simulation the gold and wumpus are not on a cell where there is a pit and all three cannot be at the starting cell (0, 0) where the player starts. I also added that the game must be solvable, there must be a path from (0, 0) to where the gold is. The agent has no knowledge of the world and must navigate by going cell by cell and using the known percepts (Stench, Breeze, Glitter) to get a better understanding of where each hazard is. If there is a stench, then the wumpus is in one of the adjacent cells and if there is a breeze, then a pit is in an adjacent cell. The random agent navigates the world by choosing a random adjacent cell and traveling there until it has the gold and left or has died. The probabilistic agent uses Monte Carlo to randomly generate n number of possible worlds with the same prior (the percepts that have been collected). It uses these worlds to then generate a Bayesian probability of where a pit and the wumpus could be and picks the cell that is the least probable to be a pit.

For the pu

ผลลัพธ์ (ไทย) 1:

ฉันทำงานจำลองบนตัวแทนสอง: สุ่มตัวแทนและตัวแทน probabilistic พวกเขาอยู่ในโลกเป็นโลก Wumpus ที่แทนที่ลดลงในตาราง 4 x 4 ที่แต่ละเซลล์มีโอกาส 20% ที่เป็น หลุม และมี wumpus เดียวและทองหนึ่ง สำหรับการจำลองของฉัน ทองและ wumpus ไม่ได้อยู่ในเซลล์ที่มีหลุม และทั้งสามไม่สามารถอยู่ที่เซลล์เริ่มต้น (0, 0) ที่โปรแกรมเล่นเริ่มต้น นอกจากนี้ยังเพิ่มว่า เกมต้องแก้ไข ต้องมีเส้นทางจาก (0, 0) เพื่อที่จะทอง ตัวแทนมีความรู้ของโลก และต้องไปทีละเซลล์ และใช้ percepts รู้จัก (กลิ่นเหม็น สายลม กลิทเทอร์) จะได้รับความเข้าใจที่เป็นอันตรายแต่ละ ถ้าไม่มีกลิ่นเหม็น แล้ว wumpus อยู่ในเซลล์อยู่ติดกัน และถ้ามีเป็น แล้วหลุมอยู่ในเซลล์ติดกัน สุ่มตัวแทนนำทางยังโลก โดยการเลือกเซลล์ที่ติดกันแบบสุ่ม และมีเดินจนกว่าจะได้ทองคำและด้านซ้าย หรือเสียชีวิต ตัวแทน probabilistic ใช้ Monte Carlo การสุ่มสร้างจำนวน n ของโลกได้ โดยก่อนเดียว (percepts ที่สะสมไว้) ใช้โลกเหล่านี้แล้ว สร้างความน่าเป็นทฤษฎีที่หลุมและ wumpus สามารถ และเลือกเซลล์ที่อยู่น่าเป็นน้อยที่สุดให้ หลุมสำหรับการปู

ผลลัพธ์ (ไทย) 2:

ผมใช้แบบจำลองในสองตัวแทน: ตัวแทนสุ่มและความน่าจะเป็นตัวแทน โลกที่พวกเขากำลังทำงานในการเป็น World Wumpus ที่ตัวแทนจะลดลงในตาราง 4x4 ที่แต่ละเซลล์มีโอกาส 20% ของการเป็นหลุมและมีเพียงหนึ่ง Wumpus และสีทอง สำหรับการจำลองของฉัน Wumpus ทองและไม่ได้อยู่ในเซลล์ที่มีหลุมและทั้งสามไม่สามารถที่เซลล์เริ่มต้น (0, 0) ที่ผู้เล่นจะเริ่มต้น ฉันยังเพิ่มว่าเกมนี้จะต้องแก้ปัญหาจะต้องมีเส้นทางจาก (0, 0) ไปยังที่ที่เป็นทอง ตัวแทนมีความรู้ของโลกและไม่ต้องนำทางโดยไปเซลล์โดยเซลล์และการใช้ percepts ที่รู้จักกัน (กลิ่นเหม็นบรีส Glitter) ที่จะได้รับความเข้าใจที่ดีขึ้นของการที่แต่ละอันตรายคือ หากมีกลิ่นเหม็นแล้ว Wumpus เป็นหนึ่งในเซลล์ที่อยู่ติดและถ้ามีเป็นลมแล้วหลุมที่อยู่ในเซลล์ที่อยู่ติดกัน ตัวแทนสุ่มนำทางโลกโดยการเลือกเซลล์ที่อยู่ติดสุ่มและการเดินทางที่นั่นจนกระทั่งมันมีทองและซ้ายหรือเสียชีวิต ตัวแทนน่าจะใช้ Monte Carlo เพื่อสุ่มสร้างจำนวน n ของโลกที่เป็นไปได้แบบเดียวกับที่ก่อน (percepts ที่ได้รับการเก็บ) จะใช้โลกเหล่านี้ไปแล้วสร้างความน่าจะเป็นของเบย์ที่หลุมและ Wumpus อาจจะหยิบมือถือที่อาจเป็นไปได้น้อยที่จะเป็นหลุมที่. สำหรับปู

ผลลัพธ์ (ไทย) 3:

ผมใช้แบบจำลองที่ 2 : ตัวแทนตัวแทนตัวแทนแบบสุ่มและความน่าจะเป็น . โลกที่พวกเขาจะทำงานในโลก wumpus ที่ตัวแทนจะลดลงในตาราง 4x4 ที่แต่ละเซลล์จะมีโอกาส 20% ของการเป็นหลุมและมีเพียงหนึ่ง wumpus และหนึ่งทอง สำหรับการจำลองทองและ wumpus ไม่ได้อยู่ในเซลล์ซึ่งมีหลุมและทั้งสามไม่สามารถที่เริ่มเซลล์ ( 0 ,0 ) ที่ผู้เล่นจะเริ่มต้น ฉันยังเพิ่มเกมต้องแก้ไขได้ ต้องมีเส้นทางจาก ( 0 , 0 ) ที่เป็นทอง . เจ้าหน้าที่ไม่มีความรู้ของโลก และต้องเลื่อนไปทีละเซลล์ และใช้เป็นที่รู้จัก percepts ( กลิ่นเหม็น , สายลม , กากเพชร ) ที่จะได้รับความเข้าใจที่ดีขึ้นของแต่ละที่ที่อันตรายคือ หากมีกลิ่นคาว ,แล้ว wumpus เป็นหนึ่งในเซลล์ที่อยู่ติดกัน และถ้าไม่มีลม แล้วหลุมอยู่ในเซลล์ที่อยู่ติดกัน เจ้าหน้าที่สุ่มนำทางโลกโดยการเลือกสุ่มเซลล์ที่อยู่ติดกัน และการเดินทางนั้น จนกว่าจะได้ทองและ ซ้าย หรือ เสียชีวิต แทนการใช้ Monte Carlo จะสุ่มสร้างจำนวนของโลกเป็นไปได้กับเดียวกันก่อน ( percepts ที่ได้รับการเก็บรวบรวม )จะใช้โลกเหล่านี้ แล้วสร้างทฤษฎีความน่าจะเป็นแบบเบย์ที่หลุม และ wumpus สามารถและเลือกเซลล์ที่เป็นอย่างน้อยที่เป็นหลุม . . .

สำหรับปู