# deeprm_reforement_learning
- 本项目基于[hongzimao/deeprm]，原作者还著有论文[Resource Management with Deep Reinforcement Learning](http://www.microsoft.com/en-us/research/wp-content/uploads/2017/01/deeprm_hotnets16.pdf) 。
- 原作者使用的神经网络框架是 Theano。但是Yoshua Bengio 在2017年9月28日通过公开信的形式宣布 Theano 停止更新维护。所以我准备将Theano替换为目前更为流行的 Tensorflow 框架进行二次开发。
- 除去更换框架之外，我希望对深度强化学习算法进行多种尝试。包括但不限于policy_grandient、A2C、A3C、DDPG、PPO等，每种算法以不同的文件夹名区分。
- 强化学习参考[MorvanZhou/Reinforcement-learning-with-tensorflow]，莫烦的视频通俗易懂，强推。
基于深度强化学习的资源调度研究python源码+项目说明.zip （22个子文件） 
projectcode30312 policy_gradient 
parameters.py 4KB job_distribution.py 2KB other_agents.py 2KB run_script.py 1KB environment.py 17KB readme.md 274B RL_brain.py 6KB pg_re.py 11KB launcher.py 6KB slow_down_cdf.py 6KB README.md 793B A2C parameters.py 4KB job_distribution.py 2KB other_agents.py 2KB run_script.py 1KB environment.py 16KB readme.md 447B actor_critic_brain.py 4KB RL_brain.py 4KB pg_re.py 10KB launcher.py 5KB slow_down_cdf.py 6KB资源评论
