我们可以看到这个整体的变化都是由于(beijing,*)造成的,
v
(
x
i
′
)
=
f
(
x
i
′
)
−
h
(
x
)
×
f
(
x
i
′
)
f
(
x
)
,
(
f
(
x
)
≠
0
)
v\left(x_{i}^{\prime}\right)=f\left(x_{i}^{\prime}\right)-h(x) \times \frac{f\left(x_{i}^{\prime}\right)}{f(x)},(f(x) \neq 0)
v(xi′)=f(xi′)−h(x)×f(x)f(xi′),(f(x)̸=0) x是一个完整的集合,x‘ 是一个集合中的子集,如果一个组合发生了变化,那么其子集肯定对这个整体的变化有变化贡献,通过以上方式可以计算不同子集的变化贡献。
Potential Score
=
max
(
1
−
d
(
v
⃗
,
a
⃗
)
d
(
v
⃗
,
f
⃗
)
,
0
)
\text { Potential Score }=\max \left(1-\frac{d(\vec{v}, \vec{a})}{d(\vec{v}, \vec{f})}, 0\right)
Potential Score =max(1−d(v,f)d(v,a),0)
可能性分数的范围就是0-1,分数值越高,是根因的可能性越大
蒙特卡罗搜索
选择 先计算每一个组合的可能性分数,然后进行排名,
Q
(
s
,
a
)
=
max
u
∈
{
s
′
}
∪
d
e
s
c
e
n
d
e
n
t
(
s
′
)
p
s
(
S
(
u
)
)
Q(s, a)=\max _{u \in\left\{s^{\prime}\right\} \cup d e s c e n d e n t\left(s^{\prime}\right)} p s(S(u))
Q(s,a)=u∈{s′}∪descendent(s′)maxps(S(u))
a
=
arg
max
a
∈
A
(
s
)
{
Q
(
s
,
a
)
+
C
ln
N
(
s
)
N
(
s
,
a
)
}
a=\underset{a \in A(s)}{\arg \max }\left\{Q(s, a)+C \sqrt{\frac{\ln N(s)}{N(s, a)}}\right\}
a=a∈A(s)argmax{Q(s,a)+CN(s,a)lnN(s)} Q(s, a)执行步骤a的数值,数值越大,执行步骤a的可能性越大
扩展 当一个状态s被选择之后,开始进行扩展,增加新的节点S’
S
(
s
′
)
=
S
(
s
)
∪
{
e
∗
}
S\left(s^{\prime}\right)=S(s) \cup\left\{e^{*}\right\}
S(s′)=S(s)∪{e∗}
e
∗
=
max
e
∈
{
e
1
,
e
2
,
…
,
e
n
}
−
S
(
s
)
p
s
(
e
)
e^{*}=\max _{e \in\left\{e_{1}, e_{2}, \ldots, e_{n}\right\}}-S(s) p s(e)
e∗=e∈{e1,e2,…,en}max−S(s)ps(e)