松间沙路的博客

获取更多资讯，赶快关注公众号(名称：智能制造与智能调度，公众号：deeprlscheduler)吧！文章目录1、思想2、方案DE1变异交叉选择算法伪代码3、方案DE24、 源代码1、思想DE是由Rainer Storn 和 Kenneth Price于1995年提出的一种比较经典的进化算法，是一种新型并行直接搜索算法，每一代G中都利用NP个参数向量（个体）作为种群，在优化过程中NP是保持不变的。如果没有掌握一些系统的先验知识，通常初始种群是随机选择的，一般来说，除非另有说明，否则将对所有随机决策假定一

获取更多资讯，赶快关注公众号(名称：智能制造与智能调度，公众号：deeprlscheduler)吧！文章目录0 (μ/μW,λ)\left(\mu / \mu_{\mathrm{W}}, \lambda\right)(μ/μW​,λ)-CMA-ES1 Set parameters参数设置2 Initialization初始化3 迭代优化过程3.1 采样新种群3.2 选择和重组：均值移动3.3 自适应协方差矩阵3.3.1 估计协方差矩阵3.3.2 秩μ\muμ更新3.3.3 秩1更新3.3.3.1 不同的视

获取更多资讯，赶快关注上面的公众号吧！文章目录鲸鱼优化算法（Whale Optimization Algorithm，WOA）1.1 灵感1.2 数学建模和优化算法1.2.1 包围捕食（Encircling prey）1.2.2 气泡网攻击方式（Bubble-net attacking method）（利用阶段）1.2.3搜索猎物（Search for prey）(exploration ph...

获取更多资讯，赶快关注上面的公众号吧！文章转载于https://blog.csdn.net/weixin_37292229/article/details/81737194 ...

  上一部分研究的是奖励稀疏的情况，本节的问题在于如果连奖励都没有应该怎么办，没有奖励的原因是，一方面在某些任务中很难定量的评价动作的好坏，如自动驾驶，撞死人和撞死动物的奖励肯定不同，但分别为多少却并不清楚，另一方面，手动设置的奖励可能导致不可控的行为。要解决此类问题，可以将人类专家的范例作为强化学习代理的参考去学习，因此模仿学习又叫演示学习（Learning by demonstration）...

笔记详细可以点击下方链接查看：https://mp.weixin.qq.com/s/1QWYTVUdY-j8DtAxjBiSNw

  今天学习了李宏毅老师的深度强化学习课程—策略梯度和近端策略优化，其中近端策略优化是策略梯度的升级版本，并且是openai的默认强化学习算法，可见其重要性。近端策略优化可以在策略梯度的基础上，将在策略变为离策略变，并添加一定的约束得到，因此本部分内容包括策略梯度、在策略变离策略和添加约束三部分内容。  策略梯度方法是对策略参数化，然后通过梯度下降的方法对参数进行优化，从最大化期望累积奖励出发...

今天学习了李宏毅老师的卷积神经网络，有点相见恨晚的感觉，李老师讲的前因后果非常透彻，今天我把笔记分享出来，由于没有电脑，只能把手写笔记拍照了。卷积神经网络没准也能在调度领域发挥作用，如果将调度表达成图像，就可以和图像识别一样，提取一定的特征，这个等到疫情过去以后可以通过实验尝试一下。...

获取更多资讯，赶快关注上面的公众号吧！文章目录摘要结论​1引言2文献综述​3基于DRL的调度3.1基于深度强化学习的智能调度3.1.1加工单元的状态建模a每个加工单元的繁忙或空闲b工艺中每道工序的繁忙或空闲​​c多加工资源状态3.1.2运输单元的行为建模​3.1.3奖励建模3.1.4调度策略建模​3.1.5调度算法学习迭代3.2离散事件仿真环境和基于深度强化学习的调度仿真算法4调度实验4.1线...