首页 > TAG信息列表 > Planning
POJ1639 Picnic Planning （限制入度最小生成树）
节点1是有度数限制的，把节点1去掉，就会形成若干个连通块，在每个连通块内部求最小生成树（prim算法实现），并求出每个连通块与1相连的最短的边，这样形成了初始状态的生成树。 假设（1，x）这条边没在生成树中，如果在生成树中从1到x的路径中的最大边权大于（1，x），考虑加上（1，x），去掉这条最大边权的边，答案就更北邮物联网2022年产品开发与管理知识点速查
跟java速查用法一样，但因为我摆烂了就粗糙很多是了。ctrl+f查找你要的关键词，有一定概率可以定位它在哪个lecture出现过 lectrue 1 intro Menagement p24 Objective and balance p25 Resources and people p26 The 3 Es(Effectiveness, Efficiency, Equity) p27 Levels of manageApollo自动驾驶虚拟仿真赛笔记[5]-dreamview操作技巧及planning目录分析(未完待续)
dreamview操作技巧及planning目录分析 dreamview操作技巧 route editing在地图上右键拖动可以拖动地图 route editng中滚轮可以放大缩小地图 /data/core中的文件貌似是垃圾文件 watch -n 1 nvidia-smi可以查看GPU使用情况 apollo_map场景标注 场景注册 场景管理类"scenario_managTREEQN AND ATREEC: DIFFERENTIABLE TREE-STRUCTURED MODELS FOR DEEP REINFORCEMENT LEARNING
发表时间：2018（ICLR 2018） 文章要点：这篇文章设计了特别的网络结构，将树结构嵌入到神经网络中，实现了look-ahead tree的online planning，将model free和online planning结合起来，并提出了TreeQN和ATreeC算法。并且这个树结构是可微的，这样可以和RL一起进行end-to-end的训练。 具体的，通常的A Framework for Reinforcement Learning and Planning
发表时间：2020 文章要点：这篇文章是篇综述，主要从RL和planning的异同入手，总结了对解决MDP这类问题的公共因素，放到一起称作framework for reinforcement learning and planning (FRAP)的框架。首先文章提出，RL和planning的主要区别就是环境模型是已知的还是未知的，通常RL用在环境modelNeural Network Dynamics for Model-Based Deep Reinforcement Learning with Model-Free Fine-Tuning
发表时间：2018（ICRA 2018） 文章要点：这篇文章提出了一个叫model-based and model-free (Mb-Mf)的算法，先用model based的方法训一个policy，再用model free的方法来fine tune。具体的，先学一个model，然后用planning的方式（simple random sampling shooting method）选择动作 这相当于有了一Model-Based Reinforcement Learning via Latent-Space Collocation
发表时间：2021（ICML 2021） 文章要点：这篇文章提出了latent collocation method (LatCo)算法，用来planning状态序列，而不是动作序列，来解决long horizon的planning问题（it is easier to solve long-horizon tasks by planning sequences of states rather than just actions）。主要思路就是Model-based Reinforcement Learning: A Survey
发表时间：2021 文章要点：一篇综述，主要从dynamics model learning，planning-learning integration和implicit model-based RL三个方面介绍。dynamics model learning包括stochasticity, uncertainty, partial observability, non-stationarity, state abstraction, and temporal abstUSTC English Club Note20211229
#Golden Lines Series# #Rick and Morty# We’re gonna live our lives until we die. 一直活着，到死为止。 That’s planning for failure,Morty，even dumber than regular planning. 别为失败做打算，比庸常的打算还要愚蠢。 They just put you at the center of their l我的学习资料
机器人规划控制资料 Robot-Planning-and-Control 绿色共享图书馆 数学类、科普类、计算机类、机器人学相关书籍On the Expressivity of Neural Networks for Deep Reinforcement Learning
发表时间：2020（ICML 2020） 文章要点：通常一个RL的问题，dynamics都比value function和policy function更复杂，这个时候去学model的话通常还不如直接去学value和policy。但是文中给出了反例，就是dynamics比value和policy更简单，这种情况下去学model然后用planning的方式去做决策，就会比modelSP18966 VACATION - Vacation Planning 题解
题目传送门 题意简述 给定一张有向带权图，有 \(Q\) 个请求，每个请求给出点 \(a_i\)，\(b_i\)，费用为 \(a_i\) 经过点 \(1 \rightarrow K\) 中的至少一个到达 \(b_i\) 的最小权值和。求出可行的请求数和最小费用和。 分析 有多个询问，很明显是多源最短路，求多源最短路可以用 Floyd，也可以调The Effect of Planning Shape on Dyna-style Planning in High-dimensional State Spaces
发表时间：2019 文章要点：文章分析了Dyna这种model based方法，用model去生成one-step的transition和n-step的transition的区别，得出的主要结论是one-step的transition基本上没有任何帮助，还不如直接用现有的buffer多更新几次网络（similar sample efficiency gains could be obtained simLearning Latent Dynamics for Planning from Pixels
发表时间：2019（ICML 2019） 文章要点：文章提出了一个叫Deep Planning Network (PlaNet)的模型来学习环境的dynamics，然后用online planning的方式在这个模型构建的latent space上进行planning得到action。这里面的关键就是model要能够准确预测多步的reward（the dynamics model must accuSearch on the Replay Buffer: Bridging Planning and Reinforcement Learning
发表时间：2019（NeurIPS 2019） 文章要点：这篇文章结合planning和强化学习来解决复杂任务，主要思路是通过强化学习（Goal-conditioned RL）的方式构建一个图结构（graph），图里的节点就包括起始位置，目标位置以及中间点，这就相当于把一个远距离的目标状态（distant goal state）分解成一系列的简单任务（sLearning to Combat Compounding-Error in Model-Based Reinforcement Learning
发表时间：2019（NeurIPS 2019 Deep Reinforcement Learning Workshop） 文章要点：这篇文章想说model based方法里面通常model都是imperfect的，就是这个model一般只在局部是准确的，放到全局上看误差会越来越大，所以如果用这个model去planning很多个step的话就会有问题。作者提出了一种基于mRapid Replenishment
Rapid replenishment Replenishment is a procedure for the demand-oriented supply of goods to the Outlets. This handout shows the complete replenishment process. The replenishment process consists of the following steps. sales in the storeStock transport oOracle Cloud Applications：Oracle供应链规划有助于同步供应和需求、检测问题、确定竞争需求的优先级
Supply Chain Planning Oracle Supply Chain Planning helps synchronize supply and demand, detect issues, prioritize competing demands, and route and schedule global supply to minimize disruptions. The solution uses scenario modeling and machine learning tooctomap, slam, 路径规划: 如何协同工作？
octomap, slam, path planning: how does it all fit together? 原文链接： octomap, slam, path planning: how does it all fit together? - ROS Answers: Open Source Q&A Forumhttps://answers.ros.org/question/221092/octomap-slam-path-planning-how-does-it-all-fit-toUVA1537 Picnic Planning
度限制最小生成树。 先不加连跟的边，跑出其他的x个最小生成森林。 用最小代价的边链接根和森林，得到x度时的最小生成树。 如果度限制小于x，无解 如果度大于x，我们需要继续加链接根的边。 每一次枚举所有可能可以加入的边，找到加入后形成的环上不与根链接的边中最长的那一条删掉。在所有Budget Management in SAP
A project consists of many phases – Concept/ Planning/ Execution & Closure.The Project cost is estimated during the Planning Phase, accordingly the available fund is prescribed for the project in the form of a budget. Budget is the device by which maLearning and Planning in Complex Action Spaces
发表时间：2021 文章要点：文章想说，在动作空间很大或者连续的时候，想要枚举所有动作来做MCTS是不现实的。作者提出了sample-based policy iteration framework，通过采用的方式来做MCTS（Sampled MuZero）。大概思路就是说，在MCTS里面扩展动作的时候，并不枚举所有动作，而是取一个动作子集来作为Vector Quantized Models for Planning
发表时间：2021（ICML 2021） 文章要点：文章把MCTS扩展到带随机状态转移和部分可观测下。主要做法就是用VQ-VAE（参看Neural Discrete Representation Learning）自编码器来捕获一个动作可能造成的不同状态转移，然后和之前一样planning。具体来说，之前的muzero（参看Mastering atari, go, chessOnline and Offline Reinforcement Learning by Planning with a Learned Model
发表时间：2021 文章要点：文章接着muzero做的，当时muzero里面提出了一个MuZero Reanalyze（Reanalyse）的方式，这篇文章提出的MuZero Unplugged算法其实就是把MuZero Reanalyse用到offline RL里面。作者想说的就是这个方法不仅可以用在online RL上，在offline RL上同样表现很好，相当于一个算apollo规划控制视频-12basic motion planning and overview