深度强化学习的对抗攻防算法研究

本文提出了一种基于最大功率点跟踪（MPPT）策略和主动干扰抑制控制（ADRC）技术的永磁同步发电机（PMSG）风力发电机组的优化控制方案。 针对风力发电机组的ADRC参数整定问题，提出了一种混合优化方法，该方法结合了智能遗传算法和非线性最小二乘法的数值优化方法。 该方法可以有效地调整ADRC的参数。 借助本文采用的控制方法，PMSG风力涡轮机可以实现最佳的功率捕获。

很棒的强化学习 专门用于强化学习的精选资源列表。 我们还有其他主题的页面： ，， 维护者：， ， 我们正在寻找更多的贡献者和维护者！ 贡献 请随时 目录 代号 理查德·萨顿（Richard Sutton）和安德鲁·巴托（Andrew Barto）的《强化学习：入门》中的示例和练习代码 强化学习控制问题的仿真代码 （用于RL的标准接口）和 -基于Python的强化学习，人工智能和神经网络 -用于教育和研究的基于价值函数的强化学习框架 用于python强化学习中问题的机器学习框架 基于Java的强化学习框架 实施Q学习和其他RL算法的平台 贝叶斯强化学习库和工具包 进行深度Q学习-使用Google Tensorflow进行深度Q学习演示 -Torch中的深层Q网络和异步代理 使用Theano + Lasagne进行深度强化学习和自定义递归网络的python库。 -最小和干净的强化学

基于深度强化学习Qlearning的机器人行走控制，matlab2021a测试，给定一个地图，然后对比Qlearning控制下的行走和随机行走的效果对比

一种基于深度强化学习的SDN 路由算法

MIT最新深度学习课程关于《深度强化学习课程》，附Slides。

windows下搭建sc2le环境，亲测有效

【《深度强化学习实战》随书代码】’Code from the Deep Reinforcement Learning in Action book from Manning, Inc'

Tensorflow 2 Keras的深度强化学习 注意：需要tensorflow == 2.1.0 它是什么？ keras-rl2在Python中实现了一些最先进的深度强化学习算法，并与深度学习库无缝集成。 此外， keras-rl2可以与一起使用。 这意味着评估和使用不同算法很容易。 当然，您可以根据自己的需要扩展keras-rl2 。 您可以使用内置的Keras回调和指标或定义自己的指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可。 包含什么？ 截止到今天，已经实现了以下算法： 深度Q学习（DQN） [1] ， [2] Double DQN [3] 深度确定性策略梯度（DDPG） [4] 连续DQN（CDQN或NAF） [6] 交叉熵方法（CEM） [7] ， [8] 决斗网络DQN（Dueling DQN） [9] 深层S

论文研究-基于有理插值函数的利率期限结构模型.pdf,  本文基于重心权有理插值函数，提出了一种新的利率期限结构静态估计模型，并给出一整套建模过程（包括基函数的构造、参数估计、节点选择、模型预测等）.与传统的样条方法相比，本文提出的模型具有以下四个方面的优势：拟合的利率曲线光滑性更好；模型计算复杂度较低；参数估计存在明确的经济意义；模型的预测精度更高.最后，将该模型应用于上海证券交易所交易的国债利率期限结构研究，结果显示：模型在结构分析、计算复杂度、预测能力及经济内涵等方面均优于传统模型，能够有效提高国债利率期限结构拟合与定价的准确性.