source: branches/HeuristicLab.Problems.GrammaticalOptimization/HeuristicLab.Algorithms.Bandits/Policies/EpsGreedyPolicy.cs @ 11732

Last change on this file since 11732 was 11732, checked in by gkronber, 5 years ago

#2283: refactoring and bug fixes

File size: 1.6 KB
Line 
1using System;
2using System.Collections.Generic;
3using System.Diagnostics;
4using System.Linq;
5using System.Text;
6using System.Threading.Tasks;
7
8namespace HeuristicLab.Algorithms.Bandits {
9  public class EpsGreedyPolicy : IPolicy {
10    private readonly double eps;
11    private readonly RandomPolicy randomPolicy;
12
13    public EpsGreedyPolicy(double eps) {
14      this.eps = eps;
15      this.randomPolicy = new RandomPolicy();
16    }
17    public int SelectAction(Random random, IEnumerable<IPolicyActionInfo> actionInfos) {
18      Debug.Assert(actionInfos.Any());
19      if (random.NextDouble() > eps) {
20        // select best
21        var myActionInfos = actionInfos.OfType<DefaultPolicyActionInfo>();
22        int bestAction = -1;
23        double bestQ = double.NegativeInfinity;
24        int aIdx = -1;
25        foreach (var aInfo in myActionInfos) {
26
27          aIdx++;
28          if (aInfo.Disabled) continue;
29          if (aInfo.Tries == 0) return aIdx;
30
31
32          var avgReward = aInfo.SumReward / aInfo.Tries;         
33          //var q = avgReward;
34          var q = aInfo.MaxReward;
35          if (q > bestQ) {
36            bestQ = q;
37            bestAction = aIdx;
38          }
39        }
40        Debug.Assert(bestAction >= 0);
41        return bestAction;
42      } else {
43        // select random
44        return randomPolicy.SelectAction(random, actionInfos);
45      }
46    }
47
48    public IPolicyActionInfo CreateActionInfo() {
49      return new DefaultPolicyActionInfo();
50    }
51
52
53    public override string ToString() {
54      return string.Format("EpsGreedyPolicy({0:F2})", eps);
55    }
56  }
57}
Note: See TracBrowser for help on using the repository browser.