一种基于分布式强化学习的多智能体协调方法

一种基于局部重编码的分布式t-closeness算法，邵华西，程祥，大数据时代数据的共享与发布推动了科学研究的发展，也为人们的生活带来了便利。然而直接发布或共享未经处理的原始数据很容易造成

一种基于文件的分布式存储与查询系统，郑超平，黄朝兵，现今的分布式存储系统，一般采用的是分布式数据库系统。分布式数据库技术较为复杂，整个系统维护管理较为困难。本文根据实际的应

分布式约束满足作为分布式人工智能领域的一个重要分支，在许多领域均得到了广泛应用。针对Web服务事务协调过程中的资源优化问题，在分布式逃逸算法的基础上提出了一种基于分布式约束满足的资源优化模型，并通过仿

针对光纤布拉格光栅(FBG)准分布式传感解调系统进行了专门的研究。结合准分布式传感解调信息混杂、动态范围大等特点,自行搭建了FBG 传感解调系统。以实验室现有的复合传感器为平台,基于LabVIEW 软

一种基于分层聚合的分布式异常数据检测方案.pdf

近年来, 深度强化学习(Deep reinforcement learning, DRL)在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能力, 深度强化

Web搜索引擎通常设计为包含多个搜索结果页面,并且使用临时查询进行探索性搜索的搜索用户可能会访问多个result.pages。 此类查询的网页排名应考虑原始查询以外的其他信息,例如,用户单击以前的结果

MAgent是一个多Agent强化学习的研究平台。与之前的研究平台不同，这些平台专注于使用单个代理或少数代理进行强化学习研究，而MAgent旨在支持从数百到数百万代理扩展的强化学习研究。

强化学习是一种重要的无监督机器学习技术，它能够利用不确定的环境下的奖赏发现最优的行为序列，实现动态环境下的在线学习，被广泛地应用到Agent系统当中。应用强化学习算法的难点之一就是如何平衡强化学习当中

利用UDP+Ftp实现分布式通信