深度强化学习和贪婪搜寻算法的训练对比仿真

基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python) 基于深度强化学习的MEC计算卸载与资源分配(python)

一个比较简单的深度强化学习训练过程仿真,输出奖励值

基于值函数和策略梯度的深度强化学习综述

Q-learning是一种无模型强化学习算法。Q-learning的目标是学习一个策略，，包括前馈、反向传播、梯度下降等。 基于深度强化学习Qlearning的智能小车避障训练和测试，带操作界面，matlab2021a测试运行。运行时，注意matlab操作界面左侧的路径窗口，必须是该文件夹，以供matlab调用各个子函数。

针对服务功能链映射对网络时延和部署失败率的影响，提出了一种基于深度强化学习的服务功能链映射算法DQN-SFC。首先构建了一个多层次NFV管理编排架构，以满足算法对资源感知和设备配置的需求；然后基于马尔可夫决策过程建模，对SFC映射问题进行形式化描述；最后构建了一个深度强化学习网络，将网络平均时延和部署失败产生的运维开销作为奖惩反馈，经过训练后可根据网络状态决定虚拟网络功能的部署位置。通过仿真实验，对该算法的正确性和性能优势进行了验证。实验表明：与传统算法相比，该算法能有效降低网络平均时延和部署失败率，同时算法运行时间具有一定优势。

基于深度强化学习的小球弹射控制系统仿真对比DDPG和TD3，matlab2021a仿真测试。

基于多智能体的深度强化学习RL的优化OBSS干扰的matlab仿真，matlab2021a测试，深度强化学习训练过程仿真较长。

基于Qlearning深度强化学习的最小化OBSS干扰的matlab仿真_优化过程为20round，matlab2021a测试。

深度强化学习的对抗攻防算法研究