RL2020_Building-a-Complete-RL-System_Demonstration:爱丁堡大学强化学习课程“构建完整的RL系统”讲座的演示代码资源-CSDN文库

共9个文件

py：5个

ipynb：1个

md：1个

系统开源

需积分: 10 36 浏览量 2021-03-11 21:53:40 上传评论收藏 2.46MB ZIP 举报

资源推荐

资源详情

资源评论

DRL-for-microgrid-energy-management:我们针对微电网的能源管理系统问题研究了各种深度强化学习算法的性能。我们提出了一种新颖的微电网模型，该模型由风力涡轮发电机，储能系统，恒温控制负载，价格响应负载以及与主电网的连接组成。拟议的能源管理系统旨在通过定义优先级资源，直接需求控制信号和电价来在不同的灵活性来源之间进行协调。本文实现了七种深度强化学习算法，并进行了实证比较。数值结果表明，不同的深度强化学习算法在收敛到最优策略的能力上存在显着差异。通过将经验重播和第二个半

DRL用于微电网能源管理我们针对微电网的能源管理系统问题研究了各种深度强化学习算法的性能。我们提出了一种新颖的微电网模型，该模型由风力涡轮发电机，储能系统，恒温控制负载，价格响应负载以及与主电网的连接组成。拟议的能源管理系统旨在通过定义优先级资源，直接需求控制信号和电价来在不同的灵活性来源之间进行协调。本文实现了七种深度强化学习算法，并进行了实证比较。数值结果表明，不同的深度强化学习算法

AI-Projects:AI项目（强化学习，深度学习，计算机视觉，推荐系统，自然语言处理，机器导航，医学影像处理）

人工智能项目机器学习深度学习深度强化学习计算机视觉 1.1拐角检测1.2找到内在矩阵1.3查找外在矩阵1.4找到失真矩阵 4.1显示关键点4.2显示匹配的关键点4.3 推荐系统机器人导航医学影像

基于深度强化学习的群体对抗策略研究.pdf

基于深度强化学习的群体对抗策略研究.pdf

DRL_GBI:我项目的代码和相关工作-结合（深度）强化学习和基于目标的投资

微电网优化调度,微电网优化调度流程图,matlab

5星 · 资源好评率100%

利用粒子群算法进行优化调度，以经济性为目标函数，完全可以运行

并网模式微电网双层分布式优化调度算法

为解决负荷预测、风力发电和光伏发电预测出力值与其实时数据间的误差所导致的微电网不能安全稳定运行的问题，提出了一种双层优化算法。本算法包含基于集中优化方式进行的预测调度和基于分布式优化算法的实时优化。两层均采用粒子群智能优化算法对模型进行求解。该算法基于图论思想，按照拓扑图遍历顺序进行遍历式的分布式优化，将计算任务分配至微电网中每个参与调度的节点。

典型相关分析matlab实现代码-DeepLearning-frameworks:深度学习框架介绍

Multi-Agent-DRL:多主体深度强化学习研究

公用池资源系统中的深度多主体强化学习中的论文中的实验源代码。该论文已被接受并发表在IEEE CEC 2019上。介绍在复杂的社会生态系统中，具有不同目标的多个代理机构采取的行动会影响系统的长期动态。共同资产池是此类系统的子集，在这些系统中，财产权通常定义不清，先验性未知，因此造成了社会困境，这是众所周知的公地悲剧反映出来的。在本文中，我们研究了在公共资源池系统的多主体设置中进行深度强化

使用Actor-Critic强化学习在具有混合能源的HetNets中进行功率分配

使用Actor-Critic强化学习在具有混合能源的HetNets中进行功率分配

离散控制Matlab代码-learnRL:学习强化学习（在MATLAB中）

离散控制Matlab代码学习RL 学习强化学习（在MATLAB:registered:中）抽象的该软件是一个游乐场，专门针对具有多种设置的详细学习强化学习（RL）。运动场的核心是基于移动机器人的模型，被称为“扩展的非完整双积分器”（ENDI）。有关说明，请参见。总体代码流程图可在中找到。基本上，代理（也称为“控制器”）连接到环境（系统）并生成操作，以使将来在无限远景中的运行成本（也称为

股票买卖最佳时机leetcode-Algorithmic-Trading-with-Machine-Learning:机器学习算法交易

股票买卖最佳时机leetcode 线性回归算法交易对交易问题的理解预测金融资产回报一直是学术界和金融业研究人员的核心课题之一。在这个项目中，我们的目标是使用 50 家公司的每日股票数据构建机器学习模型来预测股票收益，并使用这些模型进行市场交易。数据由 756 天期间的每日库存数据组成。第 1 天到第 504 天的数据用于模型训练和测试。在收市后的第 504 天，我们收到了 1,000,

tensorflow-learning:学习tensorflow，看源码-看

搭博客太麻烦，直接用建一个reposiroty，写博客 tensorflow-learning，主要是学习一些算法，以及tensorflow实现的细节

含混合储能的微网孤网运行能量管理策略 (2014年)

提出孤网条件下针对风光储微电网的能量管理策略。在分析微电网能量管理结构功能基础上，结合发电管理和需求侧管理，重点介绍锂电池和超级电容器协调运行模式，即锂电池根据新能源发电预测和负荷预测结果平滑系统输出；超级电容器负责短期调整，兼顾实时功率平衡和频率控制。仿真结果表明：该策略能够优化电池寿命，平衡系统功率，稳定微电网运行的目的。

马尔科夫决策matlab源码-ReinforcementLearning-AlgoTrading:将强化学习应用于算法交易的论文项目代码

马尔科夫决策matlab源码算法交易的强化学习入门的Python 3.6.5 我建议创建一个虚拟环境以避免依赖问题。如果您尚未在当前的python解释器中安装虚拟环境，则可以使用Virtualenv创建虚拟环境。当前依赖关系在requirements-cpu.txt或gpu等效文件中，可以通过以下命令安装。 pip3 install virtualenv python3 -m virtua

强化学习

强化学习

多Agent深度Q学习和模糊积分的行星齿轮箱故障诊断.pdf

多Agent深度Q学习和模糊积分的行星齿轮箱故障诊断.pdf

基于模型加固的离网微网终身控制学习

离网微电网的终身控制问题包括两个任务:估计对微电网设备的状况和运行规划进行了分析，并对未来的能耗和运行规划进行了预测可再生能源的生产。面临的主要挑战对于有效的控制产生于多方面随着时间的推移发生的变化。在这篇文章中, 我们提出了一个开源的增强框架模型的离网微网农村电气化。将孤立微电网的终身控制问题定义为马尔可夫决策过程。我们分类可以在渐进中发生的一组更改和突然的变化。我们提出了一个新

强化学习基础算法介绍+Pytorch代码（相信我，绝对是你想要的）

强化学习基础算法介绍+Pytorch代码（相信我，绝对是你想要的）

移动边缘计算中基于深度强化学习的计算卸载调度方法

针对移动边缘计算中具有依赖关系的任务的卸载决策问题，提出一种基于深度强化学习的任务卸载调度方法，以最小化应用程序的执行时间。任务调度的过程被描述为一个马尔可夫决策过程，其调度策略由所提出的序列到序列深度神经网络表示，并通过近端策略优化（proximal policy optimization）方法进行训练。仿真实验表明，所提出的算法具有良好的收敛能力，并且在不同环境下的表现均优于所对比的六个基线算

卡尔曼平滑滤波代码matlab-Kalman-Filter:非常简单的离散卡尔曼滤波

5星 · 资源好评率100%

卡尔曼·克劳迪代码 matlab 卡尔曼滤波器我为我关于卡尔曼滤波的研究制作了教程。我附上了与卡尔曼滤波算法相关的好文章。我忽略了我的大部分代码都受到 atushi 的启发。算法总结首先，尝试了解什么是测量模型和卡尔曼滤波器方程。我的灵感来自卡尔曼滤波 - 使用 MATLAB 的理论和实践我们使用恒速模型来预测状态矩阵。样品在这里，我们向您展示当人类侵入感应区域时的雷达跟踪场景示

matlab鸢尾花降维代码-PCA:主成分分析

matlab鸢尾花降维代码

uwb定位matlab代码-UWB-Positioning:超宽带定位

uwb定位matlab代码超宽带定位超宽带 (UWB) 室内定位系统。信号处理 2017 年 1 月 – 2018 年 12 月 UCLouvain, 硕士生项目：超宽带（UWB）室内定位系统。 UCLouvain 信号处理课程范围内的项目。任务：目标是跟踪被 5 个接收器包围的室内发射器的位置。提供了接收到的信号和原始信号，我们必须重新创建发射器随时间创建的路径，并将其与实际轨迹进行比

matlab光的衍射代码-FDTD-Solutions-Script-Library:FDTD解决方案用于超表面全息照相（FSMH）的脚本库

5星 · 资源好评率100%

matlab光的衍射代码超表面全息 FDTD Solutions 脚本库 FDTD Solutions Script Library for Metasurface Holographic 暂时自用，未完成。项目简介 Lumerical FDTD Solutions 仿真超表面（Metasurface）用到的脚本文件。功能特性 ./data/Material/: 存放材料数据 ./sourc

pseudogen:一种从源代码自动生成伪代码的工具-ps source code

4星 · 用户满意度95%

假性原一种从源代码自动生成伪代码的工具。安装使用Docker 泊坞窗就是您所需要的。 docker attach `docker run -itd delihiros/pseudogen` /# cd pseudogen/data /# ../run-pseudogen.sh -f tune/travatar.ini 要求需要Python 3.5+ apt install

收起资源包目录

RL2020_Building-a-Complete-RL-System_Demonstration-master.zip （9个子文件）

RL2020_Building-a-Complete-RL-System_Demonstration-master

train_sarsa.py 6KB

plot_utils.py 2KB

Building_a_Complete_RL_System_lecture_slides.pdf 2.54MB

utils.py 2KB

human_player.py 2KB

rl_demo.ipynb 89KB

README.md 2KB

sarsa.py 3KB

.gitignore 3KB

评论收藏

内容反馈

陳二二

粉丝: 25
资源: 4627

RL2020_Building-a-Complete-RL-System_Demonstration:爱丁堡大学强化学习课程“构...

最新资源

RL2020_Building-a-Complete-RL-System_Demonstration:爱丁堡大学强化学习课程“构...

sources-of-reinforcement-learning:所有强化学习的源代码和讲座-Source code learning

基于深度强化学习的微网能量管理策略.zip

基于深度强化学习的微电网储能调度策略研究 (1).pdf

基于深度强化学习的微电网储能调度策略研究.pdf

基于改进深度强化学习的智能微电网群控制优化方法.pdf

确定性清洁机器人的基于模型的策略迭代算法：使用基于模型的策略迭代方法的强化学习示例-matlab开发

AI-Projects:AI项目（强化学习，深度学习，计算机视觉，推荐系统，自然语言处理，机器导航，医学影像处理）

基于深度强化学习的群体对抗策略研究.pdf

DRL_GBI:我项目的代码和相关工作-结合（深度）强化学习和基于目标的投资

微电网优化调度,微电网优化调度流程图,matlab

并网模式微电网双层分布式优化调度算法

典型相关分析matlab实现代码-DeepLearning-frameworks:深度学习框架介绍

Multi-Agent-DRL:多主体深度强化学习研究

使用Actor-Critic强化学习在具有混合能源的HetNets中进行功率分配

离散控制Matlab代码-learnRL:学习强化学习（在MATLAB中）

股票买卖最佳时机leetcode-Algorithmic-Trading-with-Machine-Learning:机器学习算法交易

tensorflow-learning:学习tensorflow，看源码-看

含混合储能的微网孤网运行能量管理策略 (2014年)

马尔科夫决策matlab源码-ReinforcementLearning-AlgoTrading:将强化学习应用于算法交易的论文项目代码

强化学习

多Agent深度Q学习和模糊积分的行星齿轮箱故障诊断.pdf

基于模型加固的离网微网终身控制学习

强化学习基础算法介绍+Pytorch代码（相信我，绝对是你想要的）

移动边缘计算中基于深度强化学习的计算卸载调度方法

卡尔曼平滑滤波代码matlab-Kalman-Filter:非常简单的离散卡尔曼滤波

matlab鸢尾花降维代码-PCA:主成分分析

uwb定位matlab代码-UWB-Positioning:超宽带定位

matlab光的衍射代码-FDTD-Solutions-Script-Library:FDTD解决方案用于超表面全息照相（FSMH）的脚本库

pseudogen:一种从源代码自动生成伪代码的工具-ps source code

最新资源