使用聚类算法对连续状态空间进行自适应离散化,得到了基于K-均值聚类的强化学习方法.该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹Sarsa学习算法.对连续状态的强化学习基准问题进行仿真实验,结果表明该方法能实现对连续状态空间的自适应离散化,并最终学习到最优策略.与基于CMAC 网络的强化学习方法进行比较,结果表明该方法具有节省存储空间和缩短计算时间的优点.

TinyFSM TinyFSM是一个简单的C ++有限状态机库，旨在实现最佳性能和低内存占用。 这使其成为实时操作系统的理想选择。 这个概念非常简单，使程序员可以完全了解幕后发生的事情。 它提供了一种将状态机图表映射到源代码的简单方法。 TinyFSM基本上将事件分派包装到函数调用中，使事件分派同样快地调用（甚至内联）函数。 即使在最坏的情况下，调度也只会导致单个vtable查找和函数调用！ 主要特征： 进/出动作 事件动作 过渡功能 过渡条件 事件有效负载（类） 状态和动作函数的继承 TinyFSM受益于C ++ 11模板元编程功能（如可变参数模板），并且不依赖于RTTI，异常或任何外部库。 官方主页： ： 当前版本： 0.3.2 文献资料 您可以在TinyFSM项目的doc/目录中找到主要文档。 最新版本也可。 安装 TinyFSM是仅标头的库，不需要特殊的安装步骤。

状态控制器库是一个独立于平台的通用C ++框架，该框架允许实现有限状态机及其多动作计划概括。 该库的结构和实现侧重于将有限状态机应用于实时控制回路，但实际上可以合理地适用于几乎所有其他应用，甚至与控制系统完全无关。 重点放在具有非常低的开销上，以便无论在何处使用此库都不会损害整体系统性能，同时仍保持易用性。 代码大小也已保持最小。 除了实现标准的有限状态机和多动作计划状态机之外，该库还可以用于实现分层状态控制器，或者实现这三种状态的任意混合。 请参阅大量文档以获取更多信息。 我欢迎所有反馈，建议和错误报告！ 电子邮件：pallgeuer [at] ais.uni-bonn.de

1. 几行python脚本决绝Teams一直在线的问题？ 2.下载脚本，直接运行，不占用CPU/MEM利用率！ 3.（需要电脑提前安装python3解释器）

EC20，EC600N， 4G，网络模块状态机代码

输变电设备状态检修试验规程.ppt

[Ai,Bi,Ci,Di] = deti(u,y) 函数 deti(u,y) 仅使用输入/输出测量来识别离散时间状态空间系统（计算矩阵 A、B、C、D 和系统的阶数）。 该功能不需要大量的输入/输出测量来产生良好和稳定的结果。 大约 45-50 次测量通常就足够了。 尽管如此，请确保您提供足够数量的输入/输出测量。 输入参数 u：我们要识别的系统的输入测量值。 输入参数 y：我们要识别的系统的输出测量值。 该函数返回识别出的矩阵 Ai,Bi,Ci,Di、系统的秩以及识别出的与原始系统之间的拟合优度。 警告：该函数产生顺序（等级）不足的系统的可能性很小。 根据输入/输出测量的数量，该函数将产生更好的估计。 请注意，此函数仅适用于（线性）离散时间状态空间系统，在我们的输入/输出测量中没有干扰。 参考： [1] Moonen M., DeMoor B., Vandenberghe

retrofit+协程==》网络请求框架封装完成，包括loading,刷新token,过滤返回的错误状态码

该脚本旨在保存和恢复 MATLAB 的工作状态。 这仅在 MATLAB 版本 R2007a 到 R2011a 上进行了测试，并且它使用了 MATLAB 的一些未记录的功能，可能无法在其他版本上正常工作。 当使用 'save' 标志调用此脚本时，它会要求提供一个位置和文件名来保存 MATLAB 状态。 然后它将继续保存当前工作目录、与 MATLAB 根目录不同的其他路径、打开的编辑器文件、调试断点、打开的图形、基础工作区变量和命令窗口历史记录（这与命令历史记录不同）。 当使用“restore”标志调用此脚本时，它将打开并且 GUI 要求 mState 文件从中恢复 MATLAB 状态。 然后将关闭所有编辑器窗口，将删除所有调试断点，将清除命令窗口，将关闭所有打开的图形，并在恢复状态之前删除所有基本工作区变量。 然后，脚本将从 mState 文件中恢复当前工作目录、除 MATLAB 根目

模拟进程的三个状态之间的转换，使用C语言编写，模拟京城之间的状态装换