2019年12月_松间沙路hba

12月 11月 07月

原创复杂作业车间调度-单机调度问题研究

获取更多资讯，赶快关注上面的公众号吧！文章目录第一章单机调度问题研究1.1 单机案例描述1.2 启发式规则设计1.3 调度案例求解过程1.3.1 案例格式化1.3.2 案例初始化与重置1.3.3 案例工序分派1.3.4 案例调度后处理1.4 单机调度案例启发式求解1.4.1 案例格式化1.4.2 读取格式化后的案例1.4.3 创建启发式管理器1.4.4 创建启发式调度器1.4.5 执行调度1...

2019-12-26 22:14:44 5173 2

原创 Ubuntu18.04下Tensorlayer安装

获取更多资讯，赶快关注上面的公众号吧！文章目录Ubuntu18.04下Tensorlayer安装Anaconda安装Tensorlayer安装安装 TensorFlow安装Tensorlayer运行Tensorlayer示例Ubuntu18.04下Tensorlayer安装 TensorLayer 是为研究人员和工程师设计的一款基于Google TensorFlow开发的深度学习与强化学...

2019-12-20 15:08:39 2386

原创第九章深度强化学习-Double DQN

获取更多资讯，赶快关注上面的公众号吧！文章目录第九章深度强化学习-Double DQN9.1 回顾9.2 过高估计9.3 Double DQNReferences第九章深度强化学习-Double DQN 目前流行的Q-learning算法会过高的估计在特定条件下的动作值。实际上，在实践中，这种过高的估计是否常见，是否会损害性能，以及是否可以预防，这些以前都不知道。于是Hado van...

2019-12-13 19:45:06 2889

原创第二十一章基于鹰栖息（eagle perching）的无模型优化

获取更多资讯，赶快关注上面的公众号吧！文章目录第二十一章基于鹰栖息（eagle perching）的无模型优化21.1 灵感21.3 EPO算法21.4 改进的EPO21.5 算法对比与应用21.6 结论参考文献第二十一章基于鹰栖息（eagle perching）的无模型优化今天介绍一种新颖的优化算法—鹰栖息优化（eagle perching optimizer，EPO）[1]，该...

2019-12-13 16:54:53 2940

原创 Windows下如何远程连接Linux图形化桌面-教你两招

获取更多资讯，赶快关注上面的公众号吧！文章目录01 AnyDesk02 Xrdp 前段时间整了一台GPU服务器，目前整个环境已经基本搭好，但是现在的问题是需要经常在Windows和Linux之间不断切换，也就需要不停地换位置，就想着能不能和Windows下一样通过远程连接实现远程操作，后来百度了一下发现，不仅有而且还有很多种方法，今天自己尝试了两个比较有效的方法，简单介绍一下。01 An...

2019-12-10 19:54:51 24029 2

原创第八章深度强化学习-Nature深度Q网络(Nature DQN)

获取更多资讯，赶快关注上面的公众号吧！文章目录第八章深度强化学习-Nature深度Q网络(Nature DQN)8.1 Nature DQN网络模型8.2 Nature DQN算法8.3 实验结果8.3.1 参数设置8.3.2 算法效果8.4 结论参考文献第八章深度强化学习-Nature深度Q网络(Nature DQN) 在上一章中我们讨论了DQN(NIPS 2013)[1]的算法原...

2019-12-09 14:42:54 4889

转载【深度学习小常识】CPU（中央处理器）和GPU（图像处理器）的区别

2019-12-06 18:24:50 2912

原创第七章深度强化学习-深度Q网络系列1（Deep Q-Networks，DQN）

获取更多资讯，赶快关注上面的公众号吧！文章目录第七章深度强化学习-深度Q网络7.1 学习目标7.2 深度学习和强化学习的区别7.3 DQN原理7.4 DQN算法7.4.1 预处理7.4.2 结构7.5 实验结果7.5.1 训练和稳定性7.5.2 可视化值函数7.5.3 对比7.6 感悟参考文献第七章深度强化学习-深度Q网络2013年Mnih等[1]提出了第一个使用强化学习从...

2019-12-05 19:17:12 5567

原创 Ubuntu18.04下NVIDIA CUDA安装指南和DeepLearning4J GPU配置

获取更多资讯，赶快关注上面的公众号吧！文章目录NVIDIA CUDA Installation Guide for Linux1.1 介绍1.1.1 系统需求1.1.2 文档说明1.2 预装操作1.2.1 验证是否有CUDA支持的GPU1.2.2 验证Linux版本是否支持1.2.3 验证系统是否安装了gcc1.2.4 验证系统是否安装了正确的内核头文件和开发包1.2.4.1 RHEL/Cen...

2019-12-04 15:22:28 3459

转载强化学习的开源平台

2019-12-03 10:33:54 2450

转载深度强化学习- 最全深度强化学习资料

2019-12-03 09:55:02 3275 1

原创进化计算-遗传算法之史上最直观交叉算子（动画演示）

获取更多资讯，赶快关注上面的公众号吧！文章目录第二十章遗传算法-史上最直观交叉算子（动画演示）20.1 单点交叉（Single-point crossover）20.2 两点交叉（Two-points crossover）20.3 多点交叉（Multi-point crossover）20.4 部分匹配交叉（Partially-matched crossover，PMX）20.5 均匀交叉（...

2019-12-02 16:28:12 24916 8

球面演化算法（Spherical evolution，SE）matlab代码

2023-01-19

教与学优化算法Teaching–Learning-Based Optimization (TLBO)matlab代码

2023-01-19

花粉授粉算法（Flower Pollination Algorithm,FPA）的matlab代码

2023-01-19

帝王蝶优化算法(Monarch butterfly optimization,MBO)的matlab源码

2023-01-19

蜣螂优化算法（Dung beetle optimizer）的matlab源码

2022-12-05

海鸥优化算法（Seagull Optimization Algorithm ，SOA）

海鸥优化算法（Seagull Optimization Algorithm ，SOA）的Matlab源码

2021-08-17

蜉蝣算法（mayfly algorithm，MA）

蜉蝣算法（mayfly algorithm，MA）的Matlab源码

2021-08-17

04-群体智能优化算法-蜘蛛猴优化算法.docx

群居生物的觅食行为一直是优化算法研究的热点问题。蜘蛛猴优化(Spider Monkey Optimization，SMO)是一种全局优化算法，灵感来自于蜘蛛猴在觅食过程中的裂变融合社会(Fission-Fusion social，FFS)结构。SMO巧妙地描述了群体智能的两个基本概念：自组织和分工。SMO作为一种基于群体智能的算法，近年来得到了广泛的应用，并被应用于许多工程优化问题中。这一部分详细介绍了蜘蛛猴优化算法。为了更好地理解SMO过程的工作原理，给出了一个SMO过程的数例。

2020-03-06

03-群体智能优化算法-人工蜂群优化算法.docx

在自然界中，群体是由多个为实现一共同目标的个体构成，目标可以是抵御捕食者、建巢穴、保留或繁殖种群、充分利用环境中的资源等。在群体中为完成目标，存在着任务选择机制和分工，个体根据局部规则和相邻个体间的相互作用进行自组织。这些低层次的交互导致了全局的群体行为。Bonabeau等人[1]将自组织定义为正反馈、负反馈、波动和多重交互作用的组合。正反馈促进个体更频繁地做出有益的行为，或促使其他个体向适当的行为靠拢。蚂蚁分泌信息素或蜜蜂跳舞都是正反馈的例子。由于正反馈效应的存在，当种群趋于饱和时，负反馈机制抛弃了无效的模式。蚂蚁信息素的蒸发或蜜蜂放弃已耗尽的资源就是负反馈的例子。这种波动带来了创造力和创新，以探索新的模式。多重交互是群中相邻代理之间的通信。自组织和分工使群体适应外部和内部的变化。结合上述特点的群体智能具有可扩展性、容错性、适应性、速度快、模块化、自主性、并行性等优点[2]。本文档主要给出了人工蜂群算法的原理和算法过程。

2020-03-06

01-群体智能优化算法-群体智能和进化计算.docx

优化问题存在于科学、工程和工业的各个领域。在许多情况下，此类优化问题，特别是在当前场景中，涉及各种决策变量、复杂的结构化目标和约束。通常，经典或传统的优化技术在以其原始形式求解此类现实优化问题时都会遇到困难。由于经典优化算法在求解大规模、高度非线性、通常不可微的问题时存在不足，因此需要开发高效、鲁棒的计算算法，无论问题大小，都可以对其进行求解。从自然中获得灵感，开发计算效率高的算法是处理现实世界优化问题的一种方法。从广义上讲，我们可以将这些算法应用于计算科学领域，尤其是计算智能领域。计算智能(CI)是一组受自然启发的计算方法和途径，用于解决复杂的现实世界问题。CI主要包括模糊系统（Fuzzy Systems，FS）、神经网络（Neural Networks，NN）、群体智能（Swarm Intelligence，SI）和进化计算（Evolutionary Computation，EC）。计算智能技术具有强大、高效、灵活、可靠等诸多优点，其中群体智能和进化计算是计算智能的两个非常有用的组成部分，主要用于解决优化问题。本部分内容主要关注各种群体和进化优化算法。

2020-03-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

松间沙路的博客

原创复杂作业车间调度-单机调度问题研究

原创 Ubuntu18.04下Tensorlayer安装

原创第九章深度强化学习-Double DQN

原创第二十一章基于鹰栖息（eagle perching）的无模型优化

原创 Windows下如何远程连接Linux图形化桌面-教你两招

原创第八章深度强化学习-Nature深度Q网络(Nature DQN)

转载【深度学习小常识】CPU（中央处理器）和GPU（图像处理器）的区别

原创第七章深度强化学习-深度Q网络系列1（Deep Q-Networks，DQN）

原创 Ubuntu18.04下NVIDIA CUDA安装指南和DeepLearning4J GPU配置

转载强化学习的开源平台

转载深度强化学习- 最全深度强化学习资料

原创进化计算-遗传算法之史上最直观交叉算子（动画演示）

球面演化算法（Spherical evolution，SE）matlab代码

教与学优化算法Teaching–Learning-Based Optimization (TLBO)matlab代码

花粉授粉算法（Flower Pollination Algorithm,FPA）的matlab代码

帝王蝶优化算法(Monarch butterfly optimization,MBO)的matlab源码

蜣螂优化算法（Dung beetle optimizer）的matlab源码

海鸥优化算法（Seagull Optimization Algorithm ，SOA）

蜉蝣算法（mayfly algorithm，MA）

04-群体智能优化算法-蜘蛛猴优化算法.docx

03-群体智能优化算法-人工蜂群优化算法.docx

01-群体智能优化算法-群体智能和进化计算.docx

CPN工具性能分析中的随机分布函数介绍

CPN仿真（Simulation）帮助

着色petri网CPN监视器monitor帮助文件

单片机定时中断

空空如也