守望者白狼
守望者白狼

深度强化学习（资源篇）（更新于2020.06.9）

理论
ICLR2020 || 106篇深度强化学习顶会论文汇总
前沿技术 || UC Berkeley开源RAD来改进强化学习算法
加速RL探索效率，CMU、谷歌、斯坦福提出以弱监督学习解纠缠表征
强化学习如何使用内在动机？
边做边思考，谷歌大脑提出并发RL算法，机械臂抓取速度提高一倍！
除了网红，强化学习也能带货？
David Sliver || 2020年最新讲解AlphaGo, AlphaZero and DeepRL
博士万字总结 || 多智能体强化学习(MARL)大总结与论文详细解读
谷歌发布离线强化学习新范式，克服RL智能体只能在线训练难题，训练集相当于200多个ImageNet
谷歌推出全新强化学习智能体，1秒处理240万帧大幅超越IMPALA
霸榜马里奥赛车，谷歌将神经进化引入自解释智能体，强化学习训练参数锐减1000倍
“事后诸葛亮”经验池：轻松解决强化学习最棘手问题之一：稀疏奖励
顶会论文 || 65篇"IJCAI"深度强化学习论文汇总
强化学习之路——清华博士后解读83篇文献，万字长文总结
2019年深度强化学习十大必读论文！DeepMind、OpenAI等上榜
超有趣！LSTM之父团队最新力作：将强化学习“颠倒”过来
<<八千字长文深度解读，迁移学习在强化学习中的应用及最新进展
获顶会最佳论文，天津大学等用强化学习寻找游戏bug
通往量子霸权之路：谷歌用强化学习优化量子门控制策略
学界 | 如何得到稳定可靠的强化学习算法？微软两篇顶会论文带来安全的平滑演进
学界 | 让机器像人类一样学习? 伯克利 AI 研究院提出新的元强化学习算法
<从认知学到进化论，详述强化学习两大最新突破
<谷歌的 PlaNet 强化学习网络
<谷歌提出强化学习新算法SimPLe，模拟策略学习效率提高2倍
DeepMind综述深度强化学习中的快与慢，智能体应该像人一样学习
DeepMind发布新奖励机制：让智能体不再“碰瓷”
Pieter Abbeel：深度强化学习加速方法
从虚拟到现实，北大等提出基于强化学习的端到端主动目标跟踪方法
DeepMind提出关系RNN：构建关系推理模块，强化学习利器
AAAI 2019 | 基于分层强化学习的关系抽取
动态 | 谷歌 AI 最新博文：视频模型中的模拟策略学习
PARL源码走读：使用策略梯度算法求解迷宫寻宝问题
在线元学习：通过持续元学习解决传统机器学习方式的致命不足
强化学习中，如何从稀疏和不明确的反馈中学习泛化
腊月廿八 | 强化学习-TRPO和PPO背后的数学
AAAI 2019论文解读：机器人和认知学习
一行代码搞定 Scrapy 随机 User-Agent 设置
让智能体主动交互，DeepMind提出用元强化学习实现因果推理
效率提高50倍！谷歌提出从图像中学习世界的强化学习新方法
用于深度强化学习的结构化控制网络（ICML 论文讲解）
强化学习基础-对偶梯度上升
强化学习基础 - 共轭梯度
量化深度强化学习算法的泛化能力
<让机器帮你做决策！强化学习在智能交互搜索的应用分享
<深度强化学习从入门到大师：以刺猬索尼克游戏为例讲解PPO（第六部分）
<深度强化学习从入门到大师：简单介绍A3C （第五部分）
<深度强化学习从入门到大师：以 Cartpole 和 Doom 为例介绍策略梯度 （第四部分）
<深度强化学习从入门到大师：进一步了解深度Q学习（第三部分 - 下）
<深度强化学习从入门到大师：以Doom为例一文带你读懂深度Q学习（第三部分 - 上）
<深度强化学习从入门到大师：通过Q学习进行强化学习（第二部分）
<深度强化学习从入门到大师：简介篇（第一部分）
学习何时做分类决策，深度好奇提出强化学习模型Jumper
深度强化学习中的好奇心
NIPS 2018 | Spotlight论文：凭借幻想的目标进行视觉强化学习
伯克利、OpenAI等提出基于模型的元策略优化强化学习
BAIR讲述如何利用深度强化学习控制灵活手
自学习 AI 智能体第二部分：深度 Q 学习
自学习 AI 智能体第一部分：马尔科夫决策过程
滴滴 KDD 2018 论文详解：基于强化学习技术的智能派单模型
澳门大学讲座教授陈俊龙：从深度强化学习到宽度强化学习：结构，算法，机遇及挑战

项目
不需要借助GPU的力量，用树莓派也能实时训练agent玩Atari
谷歌、DeepMind 联合发布 Dreamer：性能远超 PlaNet，数据效率创新高
强化学习常用算法+实际应用 ，必须get这些核心要点！
干货 | 深度强化学习实现全家桶
百度PARL再度夺冠NeurIPS仿生人挑战赛：强化学习控制的流畅行走
IJCAI 2019 | 有趣！这是一篇玩倩女幽魂的多智能体强化学习研究
6行代码搞定基本的RL算法，速度围观Reddit高赞帖
快速上手深度强化学习？学会TensorForce就够了
仅需2小时学习，基于模型的强化学习方法可以在Atari上实现人类水平
用深度Q网络玩电子游戏
DeepMind让AI组队踢足球学会“合作”，并开源训练环境
Github项目推荐 | GtS 仿真泛化：将仿真和真实数据集成到基于视觉的自主飞行深度强化学习中
围棋 AI ELF OpenGo 迎来更新，另有田渊栋呈上开源项目的详细解读
详解深度强化学习展现TensorFlow 2.0新特性(代码)
如何在TensorFlow 2.0中构建强化学习智能体
开源啦：连DeepMind也捉急的游戏，OpenAI给你攻破第一关的高分算法
如何保持运动小车上的旗杆屹立不倒？TensorFlow利用A3C算法训练智能体玩CartPole游戏
基于TensorFlow的强化学习，在《毁灭战士》游戏里训练Agent
<博客 | 任务型对话系统公式建模&&实例说明

/////////////////////////////模型框架/////////////////////////////
17种深度强化学习算法用Pytorch实现
清华本科生开发强化学习平台「天授」：千行代码实现，性能吊打国外成熟平台，刚刚开源
谷歌推出分布式强化学习框架SEED，性能“完爆”IMPALA，可扩展数千台机器，还很便宜
从“小”培养AI安全意识：OpenAI开源最新强化学习训练工具，安全约束自由定制，开箱即用
集合三大类无模型强化学习算法，BAIR开源RL代码库rlpyt
花最少的钱，训超6的机器人：谷歌大脑推出机器人强化学习平台，硬件代码全开源
卡牌游戏八合一，华人团队开源强化学习研究平台RLCard
谷歌发布一个新的强化学习环境：Google Research Football
OpenAI重磅发布Nueral MMO：一个CPU支撑大量智能体同时在线
3D 环境训练智能体时代来临？Facebook 开源仿真 3D 环境平台 Habitat
谷歌开源强化学习深度规划网络 PlaNet
夺魁NeurIPS 2018强化学习大赛，百度正式发布RL模型库和算法框架PARL
DeepMind 开源TRFL，又一个强化学习复现、创新好帮手
强化学习工具Horizon开源：Facebook曾用它优化在线视频和聊天软件
Facebook开源首个适应大规模产品的强化学习平台Horizon，基于PyTorch 1.0
探索新的强化学习算法遇到困难？不怕不怕，谷歌为你带来「多巴胺」
「多巴胺」来袭！谷歌推出新型强化学习框架Dopamine
TensorFlow Agents日前开源，轻松在TF中构建并行强化学习算法

资讯
6小时完成芯片布局，谷歌用强化学习助力芯片设计
“国产莱卡狗”走进谷歌AI Lab， 强化学习算法让机器狗漫步溜达似真狗
FIFA变身AI主场：谷歌推出强化学习“足球引擎”完爆人类玩家
人类一败涂地？DeepMind推出Agent57，在所有雅达利游戏上超越人类玩家
《强化学习》可复现性？稳健性？Joelle Pineau无情揭示问题
强化学习大佬, TRPO/GAE/PPO提出者 || John Schulman谈：“如何做科研？”
观点 | 深度强化学习这块，有人说我们已经触顶了……
机器人学前班助力机器人简单快速学习，给予强化学习的自动驾驶策略
从头开始强化学习
如何利用强化学习设计出更好的火箭发动机
O’Reilly纽约AI Conference“游记”：AI应用加速落地，强化学习更受关注
观点 | 我在谷歌大脑工作的 18 个月中，是怎样研究强化学习的？
Facebook在加拿大成立AI实验室，专注强化学习研究
一图尽展视频游戏AI技术，DQN无愧众算法之鼻祖
使用强化学习训练机械臂完成人类任务
《经济学人》万字长文：DeepMind和谷歌的AI拉锯战
深度强化学习新趋势：谷歌如何把好奇心引入强化学习智能体
业界 | BAIR讲述如何利用深度强化学习控制灵活手
华为 AAAI 2019 入选论文出炉，两篇论文都是强化学习相关
谷歌和UC伯克利的新式Actor-Critic算法快速在真实世界训练机器人
新的一年，DeepMind准备让AI学会「放烟花」
真的超越了波士顿动力！深度强化学习打造的 ANYmal 登上 Science 子//////刊
用AI设计微波集成电路，清华大学等提出深度强化学习方法RINN
EMNLP 2018 | 用强化学习做神经机器翻译：中山大学&MSRA填补多项空白
你需要新的好奇心方法克服强化学习中的拓展症
超越DQN和A3C：深度强化学习领域近期新进展概览
谷歌大脑用强化学习为移动设备量身定做最好最快的CNN模型

/////////////////////////////课程、书籍、文档/////////////////////////////
B站教学，全中文课程：港中文周博磊强化学习课程完结
2小时学强化学习？DeepMind 首席科学家、原牛津大学教授Nando教程来了
Bengio、Sutton的深度学习&强化学习暑期班又来了，2019视频已放出
赠书：Sutton老爷子经典之作，《强化学习》中文第2版
资料 | 强化学习精要：核心算法与TensorFlow 实现
博客 | ICML 2019 深度强化学习文章汇总
博客 | 过去10年NIPS顶会强化学习论文（100多篇）汇总（2008-2018年）
【强化学习干货】《深度学习与机器人学》大牛Pieter Abbeel 105页PPT下载
Github项目推荐 | 最优控制、强化学习和运动规划等主题参考文献集锦
Github项目推荐 | 中文整理的强化学习资料（Reinforcement Learning）
资源|434页《python强化学习实践》（附 pdf 与完整代码）
2019年度最佳书单：深度学习+机器学习+强化学习
【干货】谷歌大脑：元学习最新进展与挑战（40 PPT下载）
<140页《深度强化学习入门》发布
DeepMind推出深度学习与强化学习进阶课程（附视频）
MIT科学家Dimitri P. Bertsekas最新2019出版《强化学习与最优控制》(附书稿PDF&讲义)
<伯克利CS294深度强化学习课程资料放出（PPT+录像）,
<重磅 | CS 294 2018 今日开课！双语字幕独家上线！
动态 | 从零开始快速入门深度强化学习，OpenAI 发布学习资源 Spinning Up
人人能上手：OpenAI发射初学者友好的强化学习教程 | 代码简约易懂
MILA 2018夏季深度学习与强化学习课程资源大放送
《深度强化学习》手稿开放了！
OpenAI开课了！深度强化学习最全课程包，教程、代码、习题、文档一网打尽
从Zero到Hero，OpenAI重磅发布深度强化学习资源
MIT 6.S094· 深度增强学习 | 学霸的课程笔记，我们都替你整理好了

你可能感兴趣的:(深度强化学习)

  • PPO：强化学习中的近端策略优化——原理、演进与大规模应用实践 大千AI助手 人工智能Python#OTHER人工智能深度学习大模型算法PPO近端策略优化优化
    近端策略优化（ProximalPolicyOptimization，PPO）是由OpenAI团队于2017年提出的策略梯度强化学习算法，通过裁剪概率比目标函数约束策略更新幅度，解决了传统策略梯度方法训练不稳定、易发散的核心问题。该算法兼具信赖域策略优化（TRPO）的稳定性与一阶优化的简洁性，已成为深度强化学习（DRL）和大语言模型对齐（RLHF）的事实标准算法。本文由「大千AI助手」原创发布，专注
  • 20250704-基于强化学习在云计算环境中的虚拟机资源调度研究
    基于强化学习在云计算环境中的虚拟机资源调度研究随着云计算规模的持续扩大，数据中心虚拟机资源调度面临动态负载、异构资源适配及多目标优化等挑战。传统启发式算法在复杂场景下易陷入局部最优，而深度强化学习（DRL）凭借序贯决策能力为该问题提供了新路径。本研究以动态多目标组合优化理论为基础，结合CloudSimPy仿真框架与TensorFlow，构建“仿真-训练-验证”闭环调度系统，重点设计动态加权多目标奖
  • 深度强化学习 | 图文详细推导深度确定性策略梯度DDPG算法 Mr.Winter` 机器人人工智能数据挖掘深度学习神经网络强化学习具身智能
    目录0专栏介绍1演员-评论家架构1.1Critic网络优化1.2Actor网络优化2深度确定性策略梯度算法0专栏介绍本专栏以贝尔曼最优方程等数学原理为根基，结合PyTorch框架逐层拆解DRL的核心算法(如DQN、PPO、SAC)逻辑。针对机器人运动规划场景，深入探讨如何将DRL与路径规划、动态避障等任务结合，包含仿真环境搭建、状态空间设计、奖励函数工程化调优等技术细节，旨在帮助读者掌握深度强化学
  • 【深度强化学习】MIP-DQN 实现案例（完整Python代码）
    目录MIP-DQN算法概述建模基础训练阶段（Training）部署阶段（OnlineExecution）DNN网络转化为MIP表达式性能指标完整Python代码实现主函数：random_generator_battery模型函数：MIP_DQN基础/专用库包安装模型运行（完整Python代码）参数设置函数：Parameters参考本博客根据论文《Optimalenergysystemschedul
  • AI人工智能中Actor - Critic算法的深入解析与应用场景 AI智能探索者 AIAgent智能体开发实战人工智能算法ai
    AI人工智能中Actor-Critic算法的深入解析与应用场景关键词：Actor-Critic、强化学习、策略梯度、价值函数、深度强化学习、马尔可夫决策过程、A2C/A3C摘要：本文将深入解析Actor-Critic算法的核心原理，从基础概念到数学推导，再到实际应用场景。我们将通过生动的比喻解释这一强化学习中的重要算法，展示其Python实现代码，并探讨它在游戏AI、机器人控制等领域的应用。最后，
  • 强化学习------DDPG算法 ZPC8210 算法numpymatplotlib
    一、前言DeepDeterministicPolicyGradient(DDPG)算法是DeepMind团队提出的一种专门用于解决连续控制问题的在线式(on-line)深度强化学习算法，它其实本质上借鉴了DeepQ-Network(DQN)算法里面的一些思想。论文和源代码如下：论文：https://arxiv.org/pdf/1509.02971.pdf代码：https://github.com/
  • Actor - Critic：AI人工智能领域的新宠儿
    Actor-Critic：AI人工智能领域的新宠儿关键词：强化学习、Actor-Critic、策略梯度、价值函数、深度强化学习、A2C、A3C摘要：Actor-Critic是强化学习领域的一种重要算法框架，它结合了策略梯度方法和价值函数方法的优点，成为近年来人工智能领域的热门研究方向。本文将用通俗易懂的方式介绍Actor-Critic的核心概念、工作原理、实现方法以及实际应用，帮助读者理解这一强大
  • 在Carla上应用深度强化学习实现自动驾驶（一） 寒霜似karry 自动驾驶人工智能机器学习
    carla环境下基于强化学习的自动驾驶_哔哩哔哩_bilibili本篇文章是小编在pycharm上自己手敲代码学习自动驾驶的第一篇文章，主要讲述如何在Carla中控制我们自己生成的汽车并且使用rgb摄像头传感器获取图像数据。以下代码参考自：（如有侵权，请联系我将立即删除）使用Carla和Python的自动驾驶汽车第2部分——控制汽车并获取传感器数据-CSDN博客1、导入carla（其中的路径根据自
  • 多智能体深度强化学习：一项综述 Multi-agent deep reinforcement learning: a survey 资源存储库 笔记
    Abstract抽象Theadvancesinreinforcementlearninghaverecordedsublimesuccessinvariousdomains.Althoughthemulti-agentdomainhasbeenovershadowedbyitssingle-agentcounterpartduringthisprogress,multi-agentreinforc
  • 用于人形机器人强化学习运动的神经网络架构分析
    1.引言：人形机器人运动强化学习中的架构探索人形机器人具备在多样化环境中自主运行的巨大潜力，有望缓解工厂劳动力短缺、协助居家养老以及探索新星球等问题。其拟人化的特性使其在执行类人操作任务（如运动和操纵）方面具有独特优势。深度强化学习（DRL）作为一种前景广阔的无模型方法，能够有效控制双足运动，实现复杂行为的自主学习，而无需显式动力学模型。1.1人形机器人运动强化学习的机遇与挑战尽管DRL取得了显著
  • 【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究（Python代码实现）
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述一、微能源网能量管理的基本概念与核心需求二、深度强化学习（DRL）在微能源网中的应用优势三、关键技术挑战四、现有基于DRL的优化策略案例五、相关研究文档的典型结构与撰写规范六、结论与未来方向2运行结果2.1有/无策略奖励2.2训练结果12.2训练结果23参考文献
  • AlphaStar 星际首秀，人工智能走向星辰大海 谷歌开发者
    文/王晶，资深工程师，GoogleBrain团队作者王晶，现为GoogleBrain团队的资深工程师，主要致力深度强化学习的研发，和DeepMind团队在强化学习的应用上有许多合作。北京时间1月25日凌晨2点，DeepMind直播了他们的AIAlphaStar和人类顶尖的职业电竞选手对战星际争霸2。根据DeepMind介绍，AlphaStar在2018年12月10日和19日先后以5：0全胜的战绩击
  • AI 在自动驾驶路径规划中的深度强化学习优化 QuantumWalker 人工智能自动驾驶机器学习
    ```htmlAI在自动驾驶路径规划中的深度强化学习优化在当今快速发展的科技领域中，人工智能（AI）的应用正在不断拓展其边界。特别是在自动驾驶技术中，AI的应用已经从简单的感知和识别发展到了复杂的决策和控制阶段。其中，深度强化学习作为AI的一个重要分支，在自动驾驶路径规划中发挥着越来越重要的作用。一、深度强化学习简介深度强化学习是一种结合了深度学习和强化学习的机器学习方法。它通过让智能体在环境中进
  • 从代码学习深度强化学习 - REINFORCE 算法 PyTorch版 飞雪白鹿€ 深度强化学习pytorch版pytorchDRL
    文章目录前言**一、理论基础：什么是策略梯度？****1.1基于价值vs.基于策略****1.2策略梯度（PolicyGradient）****1.3REINFORCE算法：蒙特卡洛策略梯度****1.4REINFORCE算法流程****二、PyTorch代码实践****2.1环境与辅助函数****2.2核心算法实现****2.3训练与结果****总结**前言欢迎来到“从代码学习深度强化学习”系列
  • 会议论文_AI会议 || 如何rebuttal学术论文?
    深度强化学习实验室报道来源：https://zhuanlan.zhihu.com/p/104298923作者：魏秀参编辑：DeepRL最近，恰逢CVPR2020rebuttal之前，本文就rebuttle相关的内容进行总结，学术论文是发布自己或团队最新研究进展正式且最快捷的途径，也是和同行交流想法最方便、高效的方式。当同行评议(Peerreview)作为学术成果正式发布的必经之路已运行200余年[
  • 深度强化学习应用：基于Double DQN算法的移动机器人路径跟踪技术解析 威哥说编程 算法
    前言随着智能控制与机器人技术的不断发展，深度强化学习（DRL）作为一种具有强大自学习能力的技术，已经在机器人领域获得了广泛应用。尤其是在路径跟踪问题中，传统的控制算法往往依赖于模型和假设，而深度强化学习则能够通过大量的训练数据让机器人自主学习如何优化其行为策略，从而实现高效的路径跟踪。本文将深入探讨基于**DoubleDQN（DoubleDeepQ-Network）**算法的移动机器人路径跟踪问题
  • （ML-Agents） 是一个开源项目，它使游戏和模拟能够作为使用深度强化学习和模仿学习训练智能代理的环境 struggle2025 游戏学习
    一、软件介绍文末提供程序和源码下载（ML-Agents）是一个开源项目，使游戏和模拟能够用作训练智能代理的环境。我们提供最先进算法的实现（基于PyTorch），使游戏开发人员和业余爱好者能够轻松训练2D、3D和VR/AR游戏的智能代理。研究人员还可以使用提供的易于使用的PythonAPI来使用强化学习、模仿学习、神经进化或任何其他方法训练代理。这些经过训练的代理可用于多种用途，包括控制NPC行为（
  • PyTorch深度强化学习路径规划, SAC-Auto路径规划, Soft Actor-Critic算法, SAC-pytorch，激光雷达Lidar避障，激光雷达仿真模拟，Adaptive-SAC附 Matlab大师兄 pytorch算法人工智能
    ✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。往期回顾关注个人主页：Matlab科研工作室个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。内容介绍在日益复杂的自主系统领域，路径规划作为核心功能，其重要性不言而喻。尤其在动态且不确定的环境中，如何为移动平台（如自动驾驶车辆、无人机或机器人）生成安全、高效且最优的路径，是一
  • 用深度强化学习玩atari游戏_Pytorch深度强化学习 1.用DQN解决Atari game
    我一直对强化学习感兴趣，这学期正好选了一门强化学习的课，第一次作业是让复现DQN。这几年也看了不少DQN的代码，但要自己实现起来，还是犯晕，效率很低。这篇文章从深度强化学习所需的元素出发，达到用DQN解决atarigames的目的。1.Observe,Value,Act强化学习研究的是Agent和环境交互中如何学习最优策略，以获得最大收益。Agent需要能够观察环境(observe)的到所处的状态
  • 基于深度强化学习（Deep Q-Network, DQN）的运输路径优化系统 欣然～ python
    这是一个基于深度强化学习（DeepQ-Network,DQN）的运输路径优化系统。代码主要包含以下几个部分：1.导入库importnumpyasnpimportgymfromgymimportspacesimportmatplotlib.pyplotaspltfrommatplotlib.colorsimportLinearSegmentedColormapimportrandomimportto
  • 基于深度强化学习的Scrapy-Redis分布式爬虫动态调度策略研究 广州正荣 人工智能科技爬虫
    在大数据时代，网络数据的采集与分析变得至关重要，分布式爬虫作为高效获取海量数据的工具，被广泛应用于各类场景。然而，传统的爬虫调度策略在面对复杂多变的网络环境和动态的抓取需求时，往往存在效率低下、资源浪费等问题。我们将探讨如何将深度强化学习技术与Scrapy-Redis分布式爬虫框架相结合，构建动态调度策略，以提升爬虫的性能与适应性。一、Scrapy-Redis分布式爬虫框架概述Scrapy是Pyt
  • 深度强化学习实战：玩转 Atari 游戏 谷雪_658 游戏python开发语言
    在人工智能技术蓬勃发展的当下，深度强化学习凭借其在复杂决策场景中的出色表现，成为众多研究人员和开发者关注的焦点。Atari游戏系列以其丰富的游戏环境和多样化的任务设定，成为深度强化学习算法研究与实践的经典测试平台。通过在Atari游戏中应用深度强化学习算法，不仅能够深入理解强化学习的核心原理，还能探索其在实际场景中的应用潜力。本文将带领读者从零开始，通过实战操作，掌握使用深度强化学习算法玩转Ata
  • 【推荐算法】推荐算法演进史：从协同过滤到深度强化学习 白熊188 推荐算法推荐算法算法机器学习
    推荐算法演进史：从协同过滤到深度强化学习一、传统推荐时代：协同过滤的奠基（1990s-2006）1.1算法背景：信息爆炸的挑战1.2核心算法：协同过滤1.3局限性二、深度学习黎明：神经网络初探（2010-2015）2.1算法背景：深度学习的崛起2.2奠基模型：DeepCrossing2.3NeuralCF：协同过滤的神经网络化三、特征交叉革命：结构创新浪潮（2016-2017）3.1Wide&De
  • 深度强化学习赋能城市消防优化，中国科学院团队提出 DRL 新方法破解设施配置难题 hyperai
    在城市建设与发展中，地理空间优化至关重要。从工业园区选址，到公共服务设施布局，它都发挥着关键作用。但传统求解方法存在诸多局限，如今，深度学习技术为其带来了新的转机。近日，在中国地理学会地理模型与地理信息分析专业委员会2025年学术年会上，来自中国科学院空天信息创新研究院的梁浩健博士在「地理空间优化」这一专题下，以「基于分层深度强化学习的城市应急消防设施配置优化方法研究」为题进行了成果汇报演讲，并从
  • 强化学习Reinforcement Learning与逆强化学习：理论与实践 AGI大模型与大数据研究院 AI大模型应用开发实战javapythonjavascriptkotlingolang架构人工智能
    强化学习，逆强化学习，强化学习算法，逆强化学习算法，深度强化学习，应用场景1.背景介绍在人工智能领域，强化学习(ReinforcementLearning,RL)作为一种模仿人类学习的智能算法，近年来取得了显著进展，并在机器人控制、游戏AI、推荐系统等领域展现出强大的应用潜力。强化学习的核心思想是通过试错学习，让智能体在与环境交互的过程中不断优化策略，以最大化累积的奖励。然而，在现实世界中，获取精
  • [智能算法]蚁群算法原理与TSP问题示例 七刀 智能算法算法
    目录编辑一、生物行为启发的智能优化算法1.1自然界的群体智能现象1.2人工蚁群算法核心思想二、算法在组合优化中的应用演进2.1经典TSP问题建模2.2算法流程优化三、TSP问题实战：Python实现与可视化3.1算法核心类设计3.2参数敏感性实验3.3可视化分析四、关键参数调优指南4.1基准参数范围4.2动态调参策略4.3性能优化技巧五、扩展应用与前沿方向5.1多目标优化问题5.2深度强化学习融合
  • [特殊字符] 基于深度强化学习的机器人路径规划优化方案：从理论到实战 2506_92092175 python
    摘要本文提出一种融合深度确定性策略梯度（DDPG）与图卷积网络（GCN）的混合架构，针对高动态环境下移动机器人路径规划问题展开研究。通过自研仿真平台验证，该方案在动态障碍物规避、路径平滑度等维度较传统A*算法提升显著，同时兼顾实时性要求。完整代码与训练日志已开源至GitHub，诚邀技术同仁共同探讨。一、核心痛点分析1.1传统算法局限性算法类型优势劣势Dijkstra理论最优性计算复杂度O(V²)，
  • 强化学习推动 AI 智能物流路径规划的智能化转型 AIGC应用创新大全 人工智能ai
    强化学习推动AI智能物流路径规划的智能化转型关键词：强化学习、智能物流、路径规划、Q-learning、深度强化学习、动态优化、仓储自动化摘要：本文探讨了强化学习技术在智能物流路径规划中的应用与创新。我们将从基础概念出发，逐步深入强化学习的核心算法原理，并通过实际案例展示其在物流优化中的强大能力。文章还将分析当前技术挑战和未来发展趋势，为读者提供全面的技术视角和实践指导。背景介绍目的和范围本文旨在
  • 【Python】异步优势演员-评论家（A3C）算法在Python中的实现与应用 蒙娜丽宁 Python杂谈python算法开发语言
    《PythonOpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门！解锁Python编程的无限可能：《奇妙的Python》带你漫游代码世界在深度强化学习（DRL）领域，异步优势演员-评论家（A3C）算法作为一种高效的强化学习方法，广泛应用于各种决策问题和智能控制领域。A3C算法通过使用多个线程并行地探索环境，提高了训练效率并减少了计算资源的消耗。本文详细介绍了A3C算法的核心原理，并通过P
  • 基于深度强化学习的网约车动态路径规划 罗伯特之技术屋 行业数字化研究及信息化建设专栏智能科学与技术专栏java开发语言
    摘要随着移动互联网的快速发展，许多利用手机App打车的网约车平台也应运而生.这些网约车平台大大减少了网约车的空驶时间和乘客等待时间，从而提高了交通效率.作为平台核心模块，网约车路径规划问题致力于调度空闲的网约车以服务潜在的乘客，从而提升平台的运营效率，近年来受到广泛关注.现有研究主要采用基于值函数的深度强化学习算法(如deepQ-network,DQN)来解决这一问题.然而，由于基于值函数的方法存
  • xml解析 小猪猪08 xml
    1、DOM解析的步奏 准备工作：    1.创建DocumentBuilderFactory的对象    2.创建DocumentBuilder对象    3.通过DocumentBuilder对象的parse(String fileName)方法解析xml文件    4.通过Document的getElem
  • 每个开发人员都需要了解的一个SQL技巧 brotherlamp linuxlinux视频linux教程linux自学linux资料
      对于数据过滤而言CHECK约束已经算是相当不错了。然而它仍存在一些缺陷，比如说它们是应用到表上面的，但有的时候你可能希望指定一条约束，而它只在特定条件下才生效。 使用SQL标准的WITH CHECK OPTION子句就能完成这点，至少Oracle和SQL Server都实现了这个功能。下面是实现方式： CREATE TABLE books (   id &
  • Quartz——CronTrigger触发器 eksliang quartzCronTrigger
    转载请出自出处：http://eksliang.iteye.com/blog/2208295 一.概述 CronTrigger 能够提供比 SimpleTrigger 更有具体实际意义的调度方案，调度规则基于 Cron 表达式，CronTrigger 支持日历相关的重复时间间隔（比如每月第一个周一执行），而不是简单的周期时间间隔。 二.Cron表达式介绍 1）Cron表达式规则表 Quartz
  • Informatica基础 18289753290 InformaticaMonitormanagerworkflowDesigner
    1. 1）PowerCenter Designer：设计开发环境，定义源及目标数据结构；设计转换规则，生成ETL映射。 2）Workflow  Manager：合理地实现复杂的ETL工作流，基于时间，事件的作业调度 3）Workflow  Monitor：监控Workflow和Session运行情况，生成日志和报告 4）Repository  Manager：
  • linux下为程序创建启动和关闭的的sh文件，scrapyd为例 酷的飞上天空 scrapy
    对于一些未提供service管理的程序  每次启动和关闭都要加上全部路径，想到可以做一个简单的启动和关闭控制的文件   下面以scrapy启动server为例，文件名为run.sh：   #端口号，根据此端口号确定PID PORT=6800 #启动命令所在目录 HOME='/home/jmscra/scrapy/' #查询出监听了PORT端口
  • 人--自私与无私 永夜-极光
                今天上毛概课,老师提出一个问题--人是自私的还是无私的,根源是什么?               从客观的角度来看,人有自私的行为,也有无私的
  • Ubuntu安装NS-3 环境脚本 随便小屋 ubuntu
      将附件下载下来之后解压，将解压后的文件ns3environment.sh复制到下载目录下（其实放在哪里都可以，就是为了和我下面的命令相统一）。输入命令：   sudo ./ns3environment.sh >>result   这样系统就自动安装ns3的环境，运行的结果在result文件中，如果提示     com
  • 创业的简单感受 aijuans 创业的简单感受
           2009年11月9日我进入a公司实习，2012年4月26日，我离开a公司，开始自己的创业之旅。      今天是2012年5月30日，我忽然很想谈谈自己创业一个月的感受。 当初离开边锋时，我就对自己说：“自己选择的路，就是跪着也要把他走完”，我也做好了心理准备，准备迎接一次次的困难。我这次走出来，不管成败
  • 如何经营自己的独立人脉 aoyouzi 如何经营自己的独立人脉
    独立人脉不是父母、亲戚的人脉，而是自己主动投入构造的人脉圈。“放长线，钓大鱼”，先行投入才能产生后续产出。   现在几乎做所有的事情都需要人脉。以银行柜员为例，需要拉储户，而其本质就是社会人脉，就是社交！很多人都说，人脉我不行，因为我爸不行、我妈不行、我姨不行、我舅不行……我谁谁谁都不行，怎么能建立人脉？我这里说的人脉，是你的独立人脉。   以一个普通的银行柜员
  • JSP基础 百合不是茶 jsp注释隐式对象
      1,JSP语句的声明 <%! 声明 %> 　　 声明：这个就是提供java代码声明变量、方法等的场所。 表达式 <%= 表达式 %> 　　 这个相当于赋值，可以在页面上显示表达式的结果， 程序代码段/小型指令　<% 程序代码片段 %>   2,JSP的注释   <!-- -->
  • web.xml之session-config、mime-mapping bijian1013 javaweb.xmlservletsession-configmime-mapping
    session-config 1.定义： <session-config> <session-timeout>20</session-timeout> </session-config> 2.作用：用于定义整个WEB站点session的有效期限，单位是分钟。   mime-mapping 1.定义： <mime-m
  • 互联网开放平台（1） Bill_chen 互联网qq新浪微博百度腾讯
    现在各互联网公司都推出了自己的开放平台供用户创造自己的应用，互联网的开放技术欣欣向荣，自己总结如下： 1.淘宝开放平台(TOP) 网址：http://open.taobao.com/ 依赖淘宝强大的电子商务数据，将淘宝内部业务数据作为API开放出去，同时将外部ISV的应用引入进来。 目前TOP的三条主线： TOP访问网站：open.taobao.com ISV后台：my.open.ta
  • 【MongoDB学习笔记九】MongoDB索引 bit1129 mongodb
    索引 可以在任意列上建立索引 索引的构造和使用与传统关系型数据库几乎一样,适用于Oracle的索引优化技巧也适用于Mongodb 使用索引可以加快查询,但同时会降低修改,插入等的性能 内嵌文档照样可以建立使用索引 测试数据     var p1 = { "name":"Jack", "age&q
  • JDBC常用API之外的总结 白糖_ jdbc
    做JAVA的人玩JDBC肯定已经很熟练了，像DriverManager、Connection、ResultSet、Statement这些基本类大家肯定很常用啦，我不赘述那些诸如注册JDBC驱动、创建连接、获取数据集的API了，在这我介绍一些写框架时常用的API，大家共同学习吧。     ResultSetMetaData获取ResultSet对象的元数据信息
  • apache VelocityEngine使用记录 bozch VelocityEngine
    VelocityEngine是一个模板引擎，能够基于模板生成指定的文件代码。   使用方法如下：     VelocityEngine engine = new VelocityEngine();// 定义模板引擎     Properties properties = new Properties();// 模板引擎属
  • 编程之美-快速找出故障机器 bylijinnan 编程之美
    package beautyOfCoding; import java.util.Arrays; public class TheLostID { /*编程之美 假设一个机器仅存储一个标号为ID的记录，假设机器总量在10亿以下且ID是小于10亿的整数，假设每份数据保存两个备份，这样就有两个机器存储了同样的数据。 1.假设在某个时间得到一个数据文件ID的列表，是
  • 关于Java中redirect与forward的区别 chenbowen00 javaservlet
    在Servlet中两种实现： forward方式：request.getRequestDispatcher(“/somePage.jsp”).forward(request, response); redirect方式：response.sendRedirect(“/somePage.jsp”); forward是服务器内部重定向，程序收到请求后重新定向到另一个程序，客户机并不知
  • [信号与系统]人体最关键的两个信号节点 comsci 系统
            如果把人体看做是一个带生物磁场的导体,那么这个导体有两个很重要的节点,第一个在头部,中医的名称叫做 百汇穴, 另外一个节点在腰部,中医的名称叫做 命门         如果要保护自己的脑部磁场不受到外界有害信号的攻击,最简单的
  • oracle 存储过程执行权限 daizj oracle存储过程权限执行者调用者
    在数据库系统中存储过程是必不可少的利器，存储过程是预先编译好的为实现一个复杂功能的一段Sql语句集合。它的优点我就不多说了，说一下我碰到的问题吧。我在项目开发的过程中需要用存储过程来实现一个功能，其中涉及到判断一张表是否已经建立，没有建立就由存储过程来建立这张表。 CREATE OR REPLACE PROCEDURE TestProc  IS    fla
  • 为mysql数据库建立索引 dengkane mysql性能索引
    前些时候，一位颇高级的程序员居然问我什么叫做索引，令我感到十分的惊奇，我想这绝不会是沧海一粟，因为有成千上万的开发者（可能大部分是使用MySQL的）都没有受过有关数据库的正规培训，尽管他们都为客户做过一些开发，但却对如何为数据库建立适当的索引所知较少，因此我起了写一篇相关文章的念头。  最普通的情况，是为出现在where子句的字段建一个索引。为方便讲述，我们先建立一个如下的表。
  • 学习C语言常见误区 如何看懂一个程序 如何掌握一个程序以及几个小题目示例 dcj3sjt126com c算法
    如果看懂一个程序，分三步   1、流程   2、每个语句的功能   3、试数   如何学习一些小算法的程序 尝试自己去编程解决它，大部分人都自己无法解决 如果解决不了就看答案 关键是把答案看懂，这个是要花很大的精力，也是我们学习的重点 看懂之后尝试自己去修改程序，并且知道修改之后程序的不同输出结果的含义 照着答案去敲 调试错误
  • centos6.3安装php5.4报错 dcj3sjt126com centos6
    报错内容如下: Resolving Dependencies --> Running transaction check ---> Package php54w.x86_64 0:5.4.38-1.w6 will be installed --> Processing Dependency: php54w-common(x86-64) = 5.4.38-1.w6 for
  • JSONP请求 flyer0126 jsonp
          使用jsonp不能发起POST请求。 It is not possible to make a JSONP POST request. JSONP works by creating a <script> tag that executes Javascript from a different domain; it is not pos
  • Spring Security（03）——核心类简介 234390216 Authentication
    核心类简介 目录 1.1     Authentication 1.2     SecurityContextHolder 1.3     AuthenticationManager和AuthenticationProvider 1.3.1  &nb
  • 在CentOS上部署JAVA服务 java--hhf javajdkcentosJava服务
        本文将介绍如何在CentOS上运行Java Web服务，其中将包括如何搭建JAVA运行环境、如何开启端口号、如何使得服务在命令执行窗口关闭后依旧运行     第一步：卸载旧Linux自带的JDK ①查看本机JDK版本 java -version    结果如下 java version "1.6.0"
  • oracle、sqlserver、mysql常用函数对比[to_char、to_number、to_date] ldzyz007 oraclemysqlSQL Server
    oracle                                &n
  • 记Protocol Oriented Programming in Swift of WWDC 2015 ningandjin protocolWWDC 2015Swift2.0
    其实最先朋友让我就这个题目写篇文章的时候，我是拒绝的，因为觉得苹果就是在炒冷饭， 把已经流行了数十年的OOP中的“面向接口编程”还拿来讲，看完整个Session之后呢，虽然还是觉得在炒冷饭，但是毕竟还是加了蛋的，有些东西还是值得说说的。 通常谈到面向接口编程，其主要作用是把系统设计和具体实现分离开，让系统的每个部分都可以在不影响别的部分的情况下，改变自身的具体实现。接口的设计就反映了系统
  • 搭建 CentOS 6 服务器(15) - Keepalived、HAProxy、LVS rensanning keepalived
    （一）Keepalived （1）安装 # cd /usr/local/src # wget http://www.keepalived.org/software/keepalived-1.2.15.tar.gz # tar zxvf keepalived-1.2.15.tar.gz # cd keepalived-1.2.15 # ./configure # make &a
  • ORACLE数据库SCN和时间的互相转换 tomcat_oracle oraclesql
    SCN（System Change Number 简称 SCN）是当Oracle数据库更新后，由DBMS自动维护去累积递增的一个数字，可以理解成ORACLE数据库的时间戳，从ORACLE 10G开始，提供了函数可以实现SCN和时间进行相互转换； 　　 用途：在进行数据库的还原和利用数据库的闪回功能时，进行SCN和时间的转换就变的非常必要了； 　 　操作方法： 　　1、通过dbms_f
  • Spring MVC 方法注解拦截器 xp9802 spring mvc
    应用场景，在方法级别对本次调用进行鉴权，如api接口中有个用户唯一标示accessToken,对于有accessToken的每次请求可以在方法加一个拦截器，获得本次请求的用户，存放到request或者session域。 python中，之前在python flask中可以使用装饰器来对方法进行预处理，进行权限处理 先看一个实例,使用@access_required拦截： ?
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他