使用OpenAI Gym和TensorFlow结合广泛的数学知识来掌握经典RL，深度RL，分布式RL，逆RL等 关于这本书 近年来，随着算法质量和数量的显着提高，《 Python上的动手强化学习》第二版已完全改编为示例丰富的指南，用于学习最新的强化学习（RL）和使用TensorFlow和OpenAI Gym工具包的深度RL算法。 除了探索RL基础知识和基本概念（例如Bellman方程，Markov决策过程和动态规划）之外，第二版还深入探讨了基于价值，基于策略和批评演员的RL方法的全过程，并提供了详细的数学知识。 它深入探索了最新的算法，例如DQN，TRPO，PPO和ACKTR，DDPG，TD3和SAC，从而使基础数学神秘化并通过简单的代码示例演示了实现。 本书有几章专门介绍新的RL技术，包括分布式RL，模仿学习，逆RL和元RL。 您将学习如何利用OpenAI基准库的改进“稳定基准”轻

社会力量模型 Social force model for pedestrian dynamics Dirk Helbing and Péter Molnár Phys. Rev. E 51, 4282 – Published 1 May 1995 安装并运行 # install from PyPI pip install ' socialforce[test,plot] ' # or install from source pip install -e ' .[test,plot] ' # run linting and tests pylint socialforce pytest tests/ * .py Ped-Ped-Space方案 紧急行车道，有30名行人： 有60名行人的紧急行人通道： Ped-Ped方案

盆式PPO 关于沉思-PPO 这是Pensieve [1]的一个简单的TensorFlow实现。 详细地说，我们通过PPO而非A3C培训了Pensieve。 这是一个稳定的版本，已经准备好训练集和测试集，并且您可以轻松运行仓库：只需键入 python train.py 反而。 将每300个时代在测试集（来自HSDPA）上评估结果。 实验结果 我们报告了熵权重β，奖励和熵的训练曲线。 通过双簧管网络轨迹评估结果。 提示：橙色曲线：pensieve-ppo； 蓝色曲线：pensieve-a2c 预训练模型 此外，我们还在添加了预训练模型 与原始Pensieve模型相比，该模型的平均QoE提高了7.03％（0.924-> 0.989）。 如果您有任何疑问，请随时告诉我。 [1] Mao H，Netravali R，Alizadeh M.带自适应神经网络自适应视频流[C] // ACM数据

马普里 这是一个多代理项目（commnet ） pytorch用于多代理粒子环境“ simple_spread”（ ） 推理： 通讯网： Bicnet： Maddpg： 训练曲线： 如何使用 点安装-r requirements.txt cd MAProj /算法 python ma_main.py --algo maddpg --mode火车 待办事项清单 受过更多地图训练 修复图形内存泄漏 博客链接 https://zhuanlan.zhihu.com/p/143776727

KUKA.ForceTorqueControl 3.1 用于 VW 系统软件 ForceTorqueControl 是一个可后载入的工艺程序包，具有下列功能：  执行取决于测得的过程力和力矩的运动  遵守过程力和力矩，不取决于工件的位置和尺寸  遵守加工工件期间复杂的过程力变化  沿着根据测得的过程力编程的轨迹调整速度  通过对机器人柔韧性的编程补偿工件的位置和尺寸偏差  无应力定位 - 进入接触位置  通过一个 KRL 程序确定传感器负载数据  传感器负载数据的监控  传感器修正极限的监控

[PYTORCH]扮演超级马里奥兄弟的非同步优势演员评判（A3C） 介绍 这是我的python源代码，用于训练特工玩超级马里奥兄弟。 通过使用纸异步方法用于深强化学习引入异步优势演员，评论家（A3C）算法。 样品结果 动机 在我实施该项目之前，有多个存储库可以很好地重现本文的结果，这些存储库可以在Tensorflow，Keras和Pytorch等不同的常见深度学习框架中进行。 我认为，其中大多数都很棒。 但是，它们似乎在许多方面都过于复杂，包括图像的预处理，环境设置和权重初始化，这使用户的注意力从更重要的事情上转移了。 因此，我决定编写更简洁的代码，以简化不重要的部分，同时仍然严格

强化学习教父 Richard Sutton 的经典教材《Reinforcement Learning：An Introduction》第二版配套代码，本书分为三大部分，共十七章，对其简介和框架做了扼要介绍

Rex：一个开源的四足机器人 该项目的目标是训练一个开源3D打印四足机器人，探索Reinforcement Learning和OpenAI Gym 。 目的是让机器人学习模拟中的家务和一般任务，然后在不进行任何其他手动调整的情况下，在真实机器人上成功地传递知识（ Control Policies ）。 该项目的主要灵感来自波士顿动力公司所做的令人难以置信的工作。 相关资料库 一个CLI应用程序，用于引导和控制Rex运行经过训练的Control Policies 。 cloud-用于在云上训练Rex的CLI应用程序。 Rex-Gym：OpenAI Gym环境和工具 该存储库包含用于训练Rex的OpenAI Gym Environments集合，Rex URDF模型，学习代理实现（PPO）和一些脚本，以开始训练课程并可视化学习到的Control Polices 。 此CLI应用程序允许批量培训，策略重现和单个培训呈现的会话。 安装 创建一个Python 3.7虚拟环境，例如使用Anaconda conda create -n rex python=3.7 anaconda cond

GeForce_Experience_v3.13.1.30

matlab贪婪算法代码使用强化学习进行内容缓存 众所周知，无线移动终端网络中的最佳数据分配问题即使对于少量的文件和终端（NP-Hard）也是难以解决的。 该存储库包含在 IEEE Xplore: Distributed Caching based on Decentralized Learning Automata 中发表的工作代码。 问题 简单地说，文件放置问题或“缓存问题”出现在我们想要在每个位置最多 C 个对象的 H 位置中找到 F 个对象的最佳放置时。 最优指的是最小化某种成本函数的分配，在这种情况下是网络中的延迟。 尝试所有可能的对象组合和排列（“蛮力”或“穷举搜索”方法）对于少量对象很快变得不可行。 解决方案 有很多方法可以解决缓存问题的次优解决方案。 我们提出了一个受到独立玩家游戏（学习自动机）的启发，他们采取行动并感知彼此的选择，以了解他们的策略是否好。 由于不需要对玩家的选择进行评分的中心化实体，因此这种方法具有高度的可扩展性。 在模拟的嘈杂环境下，我们的算法接近贪婪策略的性能，其中每个玩家都最小化他们的成本函数。 我们提出了一种离散广义追踪算法（DGPA 贡献 基