流行的无模型强化学习算法 PyTorch和Tensorflow 2.0在Openai体育馆环境和自行实现的Reacher环境中均实现了最新的无模型强化学习算法。 算法包括软参与者关键（SAC），深度确定性策略梯度（DDPG），双延迟DDPG（TD3），参与者关键（AC / A2C），近端策略优化（PPO），QT-Opt（包括交叉熵（ CE）方法） ， PointNet ，运输商，循环策略梯度，软决策树等。 请注意，此存储库更多是我在研究和实施期间实施和测试的个人算法集合，而不是正式的开放源代码库/软件包以供使用。 但是，我认为与他人分享它可能会有所帮助，并且我希望对实现进行有益的讨论。 但是我没有花太多时间在清理或构建代码上。 您可能会注意到，每种算法可能都有几种实现方式，在此我特意展示所有这些方式，供您参考和比较。 此外，此存储库仅包含PyTorch实施。 对于RL算法的官方库，

文中针对传统时钟产生电路精度低且抖动大的问题，开发与设计了一种基于改进延迟锁相环的时钟电路。电路仿真结果表明，当输入时钟信号频率为20～150 MHz时，输出时钟信号占空比稳定在（50±0.15）%，时钟抖动在0.8 ps之内，不仅实现了精度的增大，且还具有低抖动的功能，满足了高速高精度 ADC转换器的时钟要求。

摘要GPS定位技术近几年取得了飞速发展，已被广泛应用于导航、受时、军事以及工程测量等各个领域，而对流层延迟误差是目前制约GPS高精度定位的最主要影响因素之一。本

用相关函数法计算信号的延迟量实验数据

提出了一种基于光脉冲延迟的光纤长度测量新方法。该方法中，光源被调制后经光纤耦合器分成两路，分别经过被测光纤和参考光纤，调节调制信号的频率使两路信号重合，通过调制频率分析计算出被测光纤的光纤长度。该技术与传统的光时域反射计（OTDR）相比，测量精度由米级提高到厘米级；与光频域反射计（OFDR）、光相干域反射测量仪（OCDR）及基于频移不对称Sagnac干涉仪相比，其对光源的稳定性和相干性要求较低，系统易于实现。实验结果表明，基于光脉冲延迟的光纤长度测量方法不仅测量动态范围大而且测量精度也很高，850 nm波段和1300 nm波段测得的多模光纤最大长度分别为10 km和20 km，测量精度可以达到厘米级。

霍马 Homa传输协议作为C ++用户空间库的实现。 什么是霍马运输协议？ Homa是由开发的用于数据中心网络的新传输协议。 Homa提供了极低的延迟，特别是对于包含大量非常短消息的工作负载，它还支持大型消息和高网络利用率。 可以在找到有关Homa的完整说明。 其版本已在ACM SIGCOMM 2018中发布。 这是什么实现？ 该项目旨在提供Homa传输协议的实现，该协议可以作为C ++库包含在应用程序中，并且可以在用户空间中完全运行，而绕过内核以实现最佳性能。 该实现分为两层： 一个“数据包驱动程序”，它提供简单的不可靠的数据包发送/接收，以及 使用数据包发送/接收来实现Homa协议的Transport。 该项目提供了驱动程序的基于的实现，该驱动程序可为具有各种NIC的基于Linux的系统提供高性能的数据包处理。 传输与驱动程序无关，因此可以通过构建其他驱动程序来支持其他环境。

为了简化，设突触延迟为单位时间，则

rabbitmq延迟插件：rabbitmq_delayed_message_exchange-20171215-3.6.x.ez

很好上手，一看即会

摘 要：引入转发证据的概念，设计了节点行为观测协议，提出一种基于信誉的双重Spray and Wait增强方案。通过对原始协议直接传输阶段的建模，使得信誉门限的确定建立在概率计算的基础上。仿真结果表明，在自私节点存在的环境中，与原始方案相比，增强方案能够减少自私行为对网络的危害，提高网络性能。