Erdös and. Rényi 1960年写的随机网络开山之作

使用 Lyapunov Drift-Plus-Penalty 技术的随机网络优化

用于生成任意大小的随机网络。 必要的参数只有节点数、最大外弧数、相邻节点之间的最大间隔（节点数）以及β分布的两个参数，输出到Excel文件

基于OMNET 的随机网络编码仿真实现.pdf

PPO-RND 通过在 Tensorflow 2 和 Pytorch 中使用近端策略优化和随机网络蒸馏来演示深度强化学习的简单代码 版本 2 和其他进展 版本 2 将带来代码质量和性能的改进。 我重构了代码，以便它遵循 OpenAI 基线上 PPO 实现中的算法。 我还使用了称为 Truly PPO 的更新版本的 PPO，它比 OpenAI 的 PPO 具有更高的样本效率和性能。 目前，我专注于如何在更困难的环境（Atari 游戏、MuJoCo 等）中实施这个项目。 使用 Pytorch 和 Tensorflow 2 清理代码 使用真正的 PPO 添加更复杂的环境 添加更多说明 入门 该项目使用 Pytorch 和 Tensorflow 2 作为深度学习框架，使用 Gym 作为强化学习环境。 虽然不是必需的，但我建议在具有 GPU 和 8 GB 内存的 PC 上运行此项目 先决

ER随机网络的生成程序，有具体的代码说明，用C++语言实现。

描述了ER随机网络的具体现实程序，是用matlab程序编写

随机网络优化理论在移动通信和排队系统中的应用，重点介绍移动通信网络优化中的常用方法--李雅普诺夫优化方法在队列稳定性方面的应用

BA随机网络的平均路径长度，平均度，聚类系数，

SPARFUN 工具箱中树结构的一个副作用是可以有效模拟随机图。 这里我们应用它通过著名的 Waxmans 算法生成一个随机网络。 看http://www.math.uu.se/research/telecom/software/ 获取详细文档。