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，

将热轧批量计划问题作为一个约束满足问题处理,建立不确定计划数的VRPSTW约束满足模型.在求解过程中,先用约束满足的一致性技术过滤变量的值域,收缩搜索空间;然后用变量选择和值选择构造轧制计划的解.为变量赋值之后,实施约束传播,保证每块板坯只被访问一次并动态禁止子回路.在已有的解的基础上,应用基于禁忌的k-opt互换改进解的质量.数据实验证明模型和算法是有效的.

请求页式管理缺页中断模拟设计-- LRU、OPT

请求页式管理缺页中断模拟设计--LRU、OPT

编写模拟的动态页式存储管理程序，实现对动态页式存储的淘汰算法的模拟（包括先进先出淘汰算法、最近最少使用淘汰算法、最不经常使用淘汰算法三种算法均进行模拟）并计算各个算法的缺页率； 并且页面淘汰算法在淘汰一页时，只将该页在页表中抹去，而不再判断它是否被改写过，也不将它写回到辅存。 （包含缺页次数及缺页率计算）

OPT的VERILOG代码，供学verilog的人使用

c++实现操作系统请求调页功能 分别有FIFO LRU 和OPT 算法

opt lru fifo 页面置换算法 lru 页面置换算法

java页面置换算法opt lru fifo 页面置换算法

奥普特环形光源（OPT-RI系列）pdf,奥普特环形光源（OPT-RI系列）：环形光源提供不同角度照射，能突出物体的三维信息，有效解决对角照射阴影问题。高密度LED阵列，高亮度；多种紧凑设计，节省安装空间；可选配漫射板导光，光线均匀扩散。应用：PCB基板检测；IC元件检测；显微镜照明；液晶校正；塑胶容器检测；集成电路印字检测；通用外观检测。