基于物联网技术的设备监控管理，提高了设备​​监控管理的效率，使设备管理更加智能化。 介绍了一种基于物联网的远程设备监控管理系统。 在北京交通大学实验室使用。 该系统包括三个部分。 首先是感知节点模块，其次是无线多跳数据传输模块，最后是中心管理服务器。 本文介绍了这三个部分的设计。 实施的监视和管理系统的实际性能表明该系统有效且高效地工作。 该系统可以扩展到各种行业的合适管理系统。

超级好的关于多智能体一致性研究的书籍，北大教授写作，是一本很好的书籍。

hyperledger fabric v2.3.1，单机raft集群，三个orderer节点， 两个组织， 三个peer节点；配置文件参考fabric-samples的test-network

为促进居民用户柔性负荷高效参与需求响应，帮助 用户从被动角色转变为主动角色，实现需求侧最大效益。本文在智能电网环境下，根据用电设备的特性，以概率论 的角度对家电设备状态进行描述定义，基于异步深度强化 学习(asynchronous deep reinforcement learning，ADRL)进 行家庭能源管理系统调度的在线优化。学习过程采用异步 优势演员-评判家(asynchronous advantage actor-critic， A3C)方法，联合用户历史用电设备运行状态的概率分布， 通过多智能体利用CPU 多线程功能同时执行多个动作的 决策。该方法在包括光伏发电、电动汽车和居民住宅电器 设备信息的某高维数据库上进行仿真验证。最后通过不同 住宅情境下的优化决策效果对比分析可知，所提在线能耗 调度策略可用于向电力用户提供实时反馈，以实现用户用 电经济性目标。

多代理深确定性策略梯度 多主体深度确定性策略梯度（MADDPG）算法的Pytorch实现 这是我在论文中提出的算法的实现：“针对混合合作竞争环境的多主体Actor评论家”。 您可以在这里找到本文： : 您将需要安装多代理粒子环境（MAPE），可以在这里找到： : 确保创建具有MAPE依赖项的虚拟环境，因为它们有些过时了。 我还建议使用PyTorch 1.4.0版运行此程序，因为最新版本（1.8）似乎与我在计算批评者损失时使用的就地操作存在问题。 将主存储库克隆到与MAPE相同的目录中可能是最容易的，因为主文件需要该软件包中的make_env函数。 可以在以下位置找到本教程的视频： :

本资源详细介绍了2020-IEEE -Multi-Objective Matrix Normalization for Fine-Grained Visual Recognition论文中作者给的四个模型的复现结果、解决了加载模型参数出现的报错等问题、并附带作者的回信的内容。

ARM AMBA 3协议部分的文档

受MS Windows上运行的类似工具的启发，“优化RAM性能”的实用程序。

为了解决车辆转向过程中防抱死制动稳定性问题,提出multi-agents协同控制方法。首先利用黑板规则,根据转向系统和各个车轮agent状态以及整车状态进行任务协同,得到使汽车转向制动稳定的期望参考值。这些值可以自适应调节。其次在车辆伺服系统中采用改进自抗扰控制方法设计汽车纵向控制器和转向控制器,使伺服控制系统有更好的鲁棒性能进行精确跟踪期望输入命令。最后用仿真结果验证所设计的鲁棒自适应控制算法的稳定性和有效性。

SOFA A Multi-Model Framework for Interactive Physical Simulation 英中对照 翻译版本 有目录