교과서3판 2019년5月출간，출판사 Se Se Se（Sebastian Raschka）미자리리리（Vahid Mirjalili）셀러베트스베셀러“ ” 。 주세요이나오류가있다블면이그블로그블로 알려주세요주세요주세요주세요 주세요주세요주세요 교과서1저장소는다음과다（1판이판에다2）。 노트북 도움말은 에장의장의 을을 하세요。 open_dir 폴더로이동합니다。 또는 ipynb 바로바있습니다있습니다。 nbviewer 뷰어로뷰어링크입니다。 colab （Colab）링크입니다。 [이터에서배운다[] [ ] [ ] [ ] open

资源其中包括A3C ,DQN ,PPO,概率图论及Sutton强化学习导论的教材等，具有很好的学习价值

Deep Reinforcement Learning for Wireless Networks

深度模仿学习的语用观察 模仿学习算法（使用PPO ）： 美国广播公司 AIRL 公元前 钻头 童话 盖尔 GMMIL nn-PUGAIL PWIL 红色 python main.py --imitation [AIRL|BC|DRIL|FAIRL|GAIL|GMMIL|PUGAIL|RED] 选项包括： 仅状态模仿学习： --state-only 吸收状态指示器 --absorbing R1梯度正则化 ：-- --r1-reg-coeff 1 （默认值） 结果 PPO 火车 测试 航空 火车 测试 公元前 火车 测试 钻头 火车 测试 公平 火车 测试 盖尔 火车 测试 吉米 火车 测试 nn-PUGAIL 火车 测试 红色的 火车 测试 致谢 @ikostrikov （ https://github.com/ikostrikov

图 6.19 临界速度法求解流程图 图 6.19 详细描述了临界速度法求解流程和迭代过程，此方法与根轨迹法结合，可得到 较准确的线性临界速度值，从而为线性稳定性分析提供可靠依据。 ���� 非线性临界速度 计算非线性临界速度时，通常对车辆第三个轮对上施加较小的定值初始速度（0.01-）， 通过观察车辆在仿真过程中横向振荡是否能够快速收敛来判断。综合上述临界速度的计算结 果，可从一个较高的车速开始试验，如果发生发散现象，则改为较低速度再进行仿真，以此 类推逐步缩小其范围，最终找到非线性临界速度的准确值。 使用 SIMPACK VTL 来进行非线性临界速度的求解可大大简化上述重复操作，与根轨迹 法计算线性临界速度类似，该操作同样需要在内环 p1 设置变参数$p_v_kmh，具体参数为： Number of Variations：11 Type：Wheel-Rail global : v, R0, track, Element ID：04: v_vehicle [km/h] Initial Value：100 Final Value：300 在 Results 中新建$o_y 作为输出变量，其参数为： Type：Joints: State zgp (velocity) Element：$J_WS3_dummy Coordinate：%2 y : Lateral Position [m] 保存并退出。 点击点击 ParVariation---Perform Time Domain---TimeInt+Measurement+SBR Export 进行 求解，点击主窗口 PostProcess---ParVariation Plots--- Time Domain 查看结果。 6.1.66.1.66.1.66.1.6 准静态计算、非线性时域仿真及其他 VTL 变参数优化计算在铁路车辆动力学中除了求解临界速度外，还有着其他广泛的应 用。下面就主要的几个方面进行阐述，旨在为更好的利用 SIMPACK 进行优化设计抛砖引玉。 1111）非线性系统稳定极限环的计算 将内环设置为车辆速度，并从最大速度开始；将外环设置为结构参数，如弹簧刚度；预

模仿学习基准实施 该项目旨在提供模仿学习算法的清晰实现。 目前，我们已经实现了行为克隆， （带有综合示例），和。 安装： 安装PyPI版本 pip install imitation 安装最新的提交 git clone http://github.com/HumanCompatibleAI/imitation cd imitation pip install -e . 可选的Mujoco依赖性： 请按照说明在安装 。 CLI快速入门： 我们提供了几个CLI脚本作为imitation实现的算法的前端。 这些使用进行配置和复制。 从examples / quickstart.sh中： # Train PPO agent on cartpole and collect expert demonstrations. Tensorboard logs saved in `quickstar

广告优化：使用强化学习算法（如汤普森采样和上限可信度）来优化最佳广告

量子计算 我将在此存储库中实现各种量子算法。 该存储库使用Cirq和Tensorflow Quantum。 如果有时间，我将在其中的每一个上制作视频，当我这样做时，链接将在此处： 实施算法 TensorFlow-Quantum（TFQ）和Cirq 用于不同TFQ实验的代码。 包括原始代码和教程（以及从pennylane到tfq的翻译教程）。 有关以下内容的视频讨论： : 目前包括： 单Qubit分类器 用QML解决XOR 复制“用量子变分电路进行强化学习” TFQ中的量子近似优化算法（QAOA） TFQ中的变分量子本征求解器（VQE）：包括1个和2个量子位哈密顿量和的复制 用于TFQ中VQE的Rotosolve优化器：来自 VQE用于Cirq中的任意多个量子位 自定义ParameterShift和Adam优化与TFQ的比较 潘妮兰 Pennylane实验的代码（主要来自黑客

强化学习经典 深度强化学习的圣经 有代码 有实现 最好的手工实现代码的书 没有之一 手把手用深度强化学习教你敲代码

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学习的功效。 我们使用了系统的抽象数学模型，表示为部分可观察到的一般和马尔可夫博弈。 在第一组实验中，独立主体使用具有离散动作空间的深度Q网络来指导决策。 但是，明显的缺点是显而易见的。 因此，在第二组实验中，具有连续状态和动作空间的深度确定性策略梯度学习模型指导了主体学习。 仿真结果表明，使用第二种深度学习模型时，代理商在可持续性和经济目标方面的表现均明显更好。 尽管代理商没有完全的预见力或对他