标题中提到的"DQN-based-UAV-3D_path_planer-随机规划"揭示了文档的核心内容，即基于深度Q网络（Deep Q-Network, DQN）的无人机三维路径规划算法。DQN是一种结合了深度学习和强化学习的技术，它能够处理复杂的非线性和高维空间问题。该技术被应用于无人机领域，特别是在三维空间中进行路径规划，这在搜索与救援、自主配送、农业监测等场景中显得尤为重要。 文档的描述中多次强调了"随机规划"这一点，这可能意味着该路径规划系统采用了一种随机优化算法，或者在路径生成过程中引入了随机元素以提高规划的灵活性和鲁棒性。在无人机路径规划问题中，随机规划可能涉及到随机采样、随机梯度下降或者其他随机搜索策略，这些策略可以有效避免陷入局部最优解，寻找全局最优解。 标签中的"随机"和"规划"进一步确认了文档所关注的技术方向。随机元素的引入是为了优化整个规划系统的性能，使无人机能够应对多变的环境和未知的干扰，保证在真实世界中飞行的可行性和安全性。 压缩包子文件的文件名称列表提供了进一步的线索。两个gif文件"path1.gif"和"path2.gif"可能代表了不同路径规划的动画演示，这些动画可以直观展示无人机的路径规划过程和结果。"DQN无人机航迹规划系统框架图.jpg"和"航迹图.jpg"暗示了文档中可能包含关于系统架构和路径规划的视觉图表。这些图表对于理解DQN在无人机路径规划中的应用是不可或缺的。 文档中还包含有"LICENSE"和"README-el.md"两个文件，它们分别提供了软件的使用许可和详细的项目文档。"Qtarget.pth"和"Qlocal.pth"这两个文件名暗示它们可能包含了预训练的模型参数，这些参数对于DQN的学习和决策过程至关重要。"env.py"和"UAV.py"是Python代码文件，分别定义了环境配置和无人机相关的功能实现，是理解整个规划系统代码逻辑的关键。 该文档主要讲述了如何利用基于DQN的随机规划算法进行无人机三维路径规划。文档内容涉及到DQN理论在路径规划中的实际应用，包括随机规划策略的设计、系统架构和实现细节，以及通过实验验证算法的有效性。通过对文档的详细解读，可以深入了解DQN算法在无人机飞行路径规划中的创新应用，以及如何解决在复杂环境下无人机路径规划面临的一系列挑战。

针对已有的综合能源系统规划模型不能很好地评价能源设备全生命周期的利用率，采用设备的年利用小时数作为衡量设备全寿命周期利用率的指标，同时为避免规划中短时间尺度负荷预测误差太大的问题，提出一种计及风、光、荷不确定性的园区综合能源系统长时间尺度规划方法。建立风机、光伏年利用小时数的随机模型以及冷、热、电负荷年需求量的随机分布模型，以计及储能效益的综合能源系统年投资运行费用最小为目标，建立含电储、热储、热电联供等多种能源设备的园区综合能源系统随机规划模型，并探讨了不同置信度水平下的配置结果。同时，结果验证了所提的基于长时间尺度的区域综合能源系统随机规划模型在解决园区综合能源系统容量配置问题时的有效性。

大数据-算法-随机规划分解算法研究及其应用.pdf

关键就是设置收敛的条件

论文研究-复杂灾害情景下应急资源配置的随机规划模型.pdf,  提出基于区域灾害系统理论来构建复杂灾害情景, 用于描述突发事件的复杂性和高度不确定性. 基于复杂灾害情景建立了一个两阶段随机规划模型, 进行应急设施的定位决策、应急物资的库存决策和不同灾害情景下应急物资分配预案的制定. 使用新的编码方式, 将第一阶段的选址-库存模型转化为一个无约束非线性优化模型, 使用自适应免疫克隆选择文化算法进行求解. 对于第二阶段的应急物资分配模型, 则提出了"势能抵消算法". 最后基于四川地震带的相关数据给出了算例, 验证了模型及算法的有效性与可行性.

论文研究-基于灾情信息更新的应急物资配送多目标随机规划模型.pdf,  研究了多出救点、多受灾点、多物资、多车型的应急车辆选址、路径选择和物资配送问题. 考虑到灾害预测准确性和物流成本效率之间的悖反关系, 从多目标规划和随机规划的角度, 建立了应急物资配送的多目标随机规划模型. 建模中同时考虑需求和配送路径连通性的随机性, 以及出救点对受灾点的最大覆盖范围限制. 将统计决策与运筹规划相结合, 设计一个加权贝叶斯风险将多目标规划问题转化为单目标规划问题, 以及设计一个决定最优停止观测时刻的决策规则使原问题转化为最优停止问题. 通过Xpress软件编程求解. 最后, 算例分析表明了模型和软件的求解速率与精度, 并分别证明了两阶段随机规划和灾情信息更新的优势.

以往的虚拟电厂(VPP)优化调度模型仅考虑VPP的经济性，所得最优调度方案往往无法满足配电网的安全需求，会造成线路过负荷、节点电压越限等问题，影响电力系统的安全稳定运行。为了权衡VPP的经济性与配电网的安全性，建立了基于非合作博弈理论的VPP优化调度博弈模型，并且采用随机规划法处理风/光可再生能源以及电价的不确定性。以某市城北变八引线配电网为算例，对VPP优化调度模型、配电网安全性模型以及非合作博弈模型三者的优化结果进行了比较，结果表明：当VPP与配电网以非合作方式进行博弈时，会采取相对保守的调度策略，削减各聚合单元的发电量，使VPP在获得较大利润的同时，配电网也能够保持较高的安全性，验证了所提非合作博弈模型的有效性和合理性。

随着分布式电源接入电网比例不断提高，其出力的随机性和间歇性对电力系统安全稳定运行造成威胁，虚拟电厂（VPP）为有效解决分布式电源并网提供了新思路。风电等可再生能源的发电和电价具有不确定性，如何在不确定环境下提高VPP的可调度性成为研究热点。针对电价预测精度高、误差分布较为规律的特点，采用随机规划法处理电价的不确定性，对于风电等可再生能源的出力，其预测误差通常难以准确地用概率分布描述，采用鲁棒优化法处理，在此基础上建立VPP优化调度的上层经济调度模型。进一步考虑电网的安全约束，建立VPP优化调度的下层安全调度模型，最终形成VPP两层优化调度模型。通过对改进的IEEE 33节点系统及由风电场、抽水蓄能电站和燃气轮机组成VPP的算例分析，验证了所提模型的可行性和有效性。

虚拟电厂(VPP)在调度过程中面临多种不确定因素，给决策和系统安全运行带来一定的困难。提出了基于混合随机规划/信息间隙决策理论(IGDT)的VPP调度优化模型，该模型针对电价概率分布描述较为准确、预测精度较高的特点，采用随机规划处理电价的不确定性；针对风光出力概率分布难以精确刻画、预测精度较低的特点，采用IGDT处理风光出力的不确定性，通过赋予风光出力偏差系数不同的权重，解决了IGDT同时处理风光出力不确定性的问题。此外，针对不确定性决策的盲目性和不同策略面临风险程度的不同，引入风险成本量化不同决策方案对应的风险。仿真结果验证了所提模型的有效性。

关于线性规划与随机线性规划的知识，是一本很好的参考书