摘要：
引言： 强化学习(Reinforcement Learning, RL)是一种有效的解决序列决策问题的方法。近年来，结合了深度神经网络之后，深度强化学习(Deep Reinforcement Learning, DRL)被广泛地应用于各种领域。但是，当前的DRL算法使用神经网络学习到的策略，通常是一 阅读全文
摘要：
题目描述：区间覆盖问题，给定区间和要求的长度T，问是否存在区间能够覆盖区间[0,T]。能则返回所需片段的最小数目，否则返回 -1 。 示例 1： 输入：clips = [[0,2],[4,6],[8,10],[1,9],[1,5],[5,9]], T = 10 输出：3 示例 2： 输入：clips 阅读全文
摘要：
题目：请判断一个链表是否为回文链表。 示例 1: 输入: 1->2 输出: false 示例 2: 输入: 1->2->2->1 输出: true 使用O(n) 时间复杂度和 O(1) 空间复杂度。 使用快慢指针找到中间位置（偶数的话这里取前一个） 反转链表 遍历原始链表和反转链表，比较是否相等。长 阅读全文
摘要：
上文中提到，在知道强化学习转移概率和reward函数的情况下，我们可以使用dp的方法来求解强化学习问题。那么，在我们不知道转移概率和reward函数的时候，我们需要怎么来求解呢。 0x1 蒙特卡洛学习(Monte Carlo Learning, MC Learning) 蒙特卡洛一词主要指代使用随机 阅读全文
摘要：
0x1 强化学习基本分类 在上一篇文章中，我们介绍了强化学习的基本概念以及基本的模型定义。现在我们来对强化学习做一个基本的分类，强化学习方法，根据是否直接优化policy，可以分为value-based 方法和policy-based方法，value-based方法就是去计算状态的价值，根据价值不断 阅读全文
摘要：
0x1 强化学习简介 强化学习(Reinforcement Learning, RL)是机器学习(Machine Learning, ML)的三大分支之一。在一个强化学习问题中, 有一个决策者, 我们通常称之为智能体(agent), 它所交互的区域叫做环境(environment, env), 它所 阅读全文
摘要：
windows10 版本号：1909 操作系统版本：18363.778 0x1 确定 nvidia 显卡驱动的版本是否满足安装条件 打开 nvidia 控制面板，看到我的显卡为 GTX1060 驱动版本为 445.75 进入nvidia官网 ，查看 CUDA 版本与 nvidia 显卡驱动版本之间的 阅读全文
摘要：
A - Boring Apartments 直接找规律。\(ans = 10 * (dig-1) + \frac{len(len+1)}{2}\) #include <bits/stdc++.h> using namespace std; int main() { int t; cin >> t; 阅读全文
摘要：
栅栏密码 (The rail fence cipher) write by asakuras 简单来说，栅栏密码就是把一个明文（去掉空格）分成n组，每组m个，然后一定的排序方法（看下面例子）来将这些字符重新组合。通过m的大小称其为m栏栅栏密码，比较常见的m取2，即2栏栅栏密码。 举例 ① n = 7 阅读全文
摘要：
The Tools CTF Usually Needed list by asakuras && p4ssw0rd RE ida ollydbg gdb gdb-peda peid dnspy ANDROID adb apktool jeb jd-gui ida xposed frida CRYPT 阅读全文