liubilan

摘要： Q-learning是强化学习中一种经典的无监督学习方法，通过与环境交互来指导学习； 大部分强化学习都是基于马尔科夫决策（MDP）的。MDP是一个框架，而Q学习是应用了这种框架的一个具体的学习方法。 Q学习的四要素：（agent，状态 s，动作 a，奖励 r） 简而言之，agent从当前状态选择一个 阅读全文

摘要： 其他权重计算方法：https://zhuanlan.zhihu.com/p/112667852 熵权法是一种客观加权法，比主观的加权更具说服力。 熵，描述系统的混乱程度。 在我看来，可以这样理解它：系统混乱，说明了信息的不一致性，而信息又分为我们已知的，和我们未知的。即不需要学习的，和需要学习的。熵 阅读全文

摘要： RL是一个序列化决策过程，核心思想是通过与环境的不断交互学习获得最大回报； 大部分RL方法都是基于MDP的；MDP的本质是获得一个可以使累计收益最大化的策略，并使用该策略选择最佳动作； 动态规划是RL中的一个关键技术，适用于RL中已知模型求解最优策略的特殊情况，主要有 策略迭代 和 值迭代 两种方法 阅读全文

摘要： 题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=6287 Summarize: 1、分解质因数； 2、二分查找函数lower_bound与upper_bound； 3、注意输入输出超时与初始化； 阅读全文

摘要： 题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=6288 Summarize:1、二分查找答案； 2、自带log函数精度不够，需自己写； 3、注意二分递归的左右区间； 4、计算中可能爆LL，故需尽可能做一步就判断一次； 阅读全文

摘要： 哇，我真的amazing, incredible!! 我只是想写一个简单的邮件，结果他一直报554错误！！！ 期间，通过百度，我发现了可能导致 此，讨厌至极的错误，有N多原因； 但我的原因 谜之离谱！ Can you imagine!! 我仅仅只是换了目前16-18行的代码，之前是放于9行以后的位置 阅读全文

摘要： 参考博客：https://blog.csdn.net/yjier/article/details/6237697 参考博客：https://blog.csdn.net/mozha_666/article/details/79032751 GB2312区位码 GB2312对所收汉字进行了“分区”处理， 阅读全文

摘要： 题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=6438 获得最大的利润，将元素依次入栈，期中只要碰到比队顶元素大的，就吧队顶元素卖出去，答案加上他们期中的差值，并把新加入的元素用map标记为中间变量，若以后再卖出这件物品，可看做直接由之前的最小值卖出， 阅读全文

摘要： 题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=6446 题目给出的数据为一棵树，dfs扫描每条边，假设去掉某条边，则左边 x 个点，右边 n-x 个点，则经过该条边共有 x*(n-x) 种组合，又因为 1~n 全排列有 n! 种，故 a~b，包含 b~ 阅读全文

摘要： 题目地址：http://acm.hdu.edu.cn/showproblem.php?pid=6440 这题主要是理解题意； 题意：定义一个加法和乘法，使得 (m+n)p = mp+np; 其中给定 p 为素数，m,n 为小于p的数； 费马小定理：am-1 ≡ 1(mod p); 故有 am ≡ a 阅读全文