to_char(actual_create_time,'yyyy-mm-dd') >= to_char(sysdate - 5,'yyyy-mm-dd') 是什么意识

时间: 2024-06-03 12:12:42 浏览: 128
这是一条 SQL 语句,它的作用是将 actual_create_time 字段转换为年-月-日格式,并与当前日期减去 5 天后的日期比较,如果 actual_create_time 字段日期大于或等于当前日期减去 5 天后的日期,则返回 true,否则返回 false。换句话说,它的意思是选择 actual_create_time 字段在过去 5 天内的记录。
相关问题

解释这段代码 float Pos = 0; pid->ek = pid->SetValue - pid->ActualValue; pid->ek_sum += pid->ek; if(pid->ek_sum > pid->Sum_max) pid->ek_sum = pid->Sum_max; if(pid->ek_sum < pid->Sum_min) pid->ek_sum = pid->Sum_min; Pos = pid->KP * pid->ek + pid->KI * pid->ek_sum + pid->KD * (pid->ek - pid->ek_1); pid->ek_2 = pid->ek_1; pid->ek_1 = pid->ek; if(flag == 1) { if(Pos > pid->PIDmax) Pos = pid->PIDmax; if(Pos < pid->PIDmin) Pos = pid->PIDmin; } pid->PIDout = Pos; return pid->PIDout;

这段代码是一个PID控制器的实现。PID控制器是一种常用的反馈控制算法,用于控制系统的稳定性和精度。 首先,代码定义了一个名为`Pos`的浮点型变量,并初始化为0。 然后,代码计算了误差项`ek`,通过将设定值`pid->SetValue`减去实际值`pid->ActualValue`得到。 接下来,代码累加误差项到积分项`ek_sum`中。 然后,代码对积分项进行限幅处理。如果积分项大于设定的最大限制值`pid->Sum_max`,则将积分项设置为最大限制值;如果积分项小于最小限制值`pid->Sum_min`,则将积分项设置为最小限制值。 接着,代码根据PID控制器的参数计算出控制量`Pos`。使用比例参数`pid->KP`乘以误差项`pid->ek`,加上积分参数`pid->KI`乘以积分项`pid->ek_sum`,再加上微分参数`pid->KD`乘以误差项与上一次误差项之差`(pid->ek - pid->ek_1)`。 代码接着更新上一次误差项和当前误差项。将当前误差项赋值给上一次误差项`pid->ek_1`,而将当前误差项`pid->ek`赋值给上上次误差项`pid->ek_2`。 然后,代码根据标志位`flag`进行输出限幅。如果`flag`为1,说明需要进行输出限幅处理。如果控制量`Pos`大于设定的最大输出限制值`pid->PIDmax`,则将控制量设置为最大输出限制值;如果控制量小于最小输出限制值`pid->PIDmin`,则将控制量设置为最小输出限制值。 最后,代码将控制量`Pos`赋值给PID控制器结构体中的输出量`pid->PIDout`,并返回该输出量。 总结起来,这段代码根据PID控制器的参数和当前误差项计算出控制量,并对积分项进行限幅处理和输出限幅处理,最后返回PID控制器的输出量。

具体注释以下代码void PID_init(PID * pp) { memset(pp, 0, sizeof(PID));//memset是一个初始化函数,作用是将某一块内存中的全部设置为指定的值。 } float PID_realize(PID *pp, float NextPoint,float SetPoint) { float index; pp->Set = SetPoint; pp->Actual = NextPoint; pp->err = pp->Set - NextPoint; if(fabs(pp->err)>1000) //8.00 变积分过程 { index=0.0; }else if(fabs(pp->err)<200){ //2.00 index=1.0; pp->integral+=pp->err; }else{ index=(1000-fabs(pp->err))/800; pp->integral+=pp->err; } pp->out = pp->Kp*pp->err + index*pp->Ki*pp->integral + pp->Kd*(pp->err-pp->err_last); pp->err_LastLastlast = pp->err_Lastlast; pp->err_Lastlast = pp->err_last; pp->err_last = pp->err; return pp->out; } float LowTemPID_realize(PID *pp, float NextPoint,float SetPoint) { float index; pp->Set = SetPoint; pp->Actual = NextPoint; pp->err = pp->Set - NextPoint; if(fabs(pp->err)>200) //1.00 变积分过程 { index=0.0; pp->integral = 0; }else if(fabs(pp->err)<50){ index=1.0; pp->integral+=pp->err; }else{ index=(200-fabs(pp->err))/150; pp->integral+=pp->err; } pp->out = pp->Kp*pp->err + index*pp->Ki*pp->integral + pp->Kd*(pp->err-pp->err_last); pp->err_LastLastlast = pp->err_Lastlast; pp->err_Lastlast = pp->err_last; pp->err_last = pp->err; return pp->out; }

这段代码实现了一个PID控制器。PID控制器是一种常用的控制器,其全称为比例-积分-微分控制器。它根据被控对象的反馈信号与给定值之间的误差,通过比例、积分和微分三个部分的组合来调节被控对象的输出,最终达到控制目标的效果。 在这段代码中,PID_init函数是用于初始化PID结构体的函数,使用了memset函数将其全部置为0。PID_realize和LowTemPID_realize函数则分别实现了PID控制器的两个不同模式的控制,分别是普通模式和低温模式。两个函数的参数包括PID结构体指针、当前值和设定值。其中,变量index用于根据误差的大小来动态调整积分项的系数,即变积分过程。最后,函数返回PID控制器的输出值pp->out。
阅读全文

相关推荐

帮我解释一下 PID_TypeDef g_location_pid; /* 位置PID参数结构体*/ /** * @brief 初始化PID参数 * @param 无 * @retval 无 / void pid_init(void) { /位置环初始化/ g_location_pid.SetPoint = (float)(50PPM); /* 设定目标Desired Value*/ g_location_pid.ActualValue = 0.0; /* 期望值*/ g_location_pid.SumError = 0.0; /* 积分值*/ g_location_pid.Error = 0.0; /* Error[1]/ g_location_pid.LastError = 0.0; / Error[-1]/ g_location_pid.PrevError = 0.0; / Error[-2]/ g_location_pid.Proportion = L_KP; / 比例常数 Proportional Const*/ g_location_pid.Integral = L_KI; /* 积分常数 Integral Const*/ g_location_pid.Derivative = L_KD; /* 微分常数 Derivative Const*/ g_location_pid.IngMax = 20; g_location_pid.IngMin = -20; g_location_pid.OutMax = 150; /* 输出限制 / g_location_pid.OutMin = -150; } /* * 函数名称:位置闭环PID控制设计 * 输入参数:当前控制量 * 返 回 值:目标控制量 * 说 明:无 */ int32_t increment_pid_ctrl(PID_TypeDef PID,float Feedback_value) { PID->Error = (float)(PID->SetPoint - Feedback_value); / 偏差 / #if INCR_LOCT_SELECT PID->ActualValue += (PID->Proportion * (PID->Error - PID->LastError)) / E[k]项 / + (PID->Integral * PID->Error) / E[k-1]项 / + (PID->Derivative * (PID->Error - 2 * PID->LastError + PID->PrevError)); / E[k-2]项 / PID->PrevError = PID->LastError; / 存储误差,用于下次计算 / PID->LastError = PID->Error; #else PID->SumError += PID->Error; if(PID->SumError > PID->IngMax) { PID->SumError = PID->IngMax; } else if(PID->SumError < PID->IngMin) { PID->SumError = PID->IngMin; } PID->ActualValue = (PID->Proportion * PID->Error) / E[k]项 / + (PID->Integral * PID->SumError) / E[k-1]项 / + (PID->Derivative * (PID->Error - PID->LastError)); / E[k-2]项 / PID->LastError = PID->Error; #endif if(PID->ActualValue > PID->OutMax) { PID->ActualValue = PID->OutMax; } else if(PID->ActualValue < PID->OutMin) { PID->ActualValue = PID->OutMin; } return ((int32_t)(PID->ActualValue)); / 返回实际控制数值 */ }

import pandas as pd import numpy as np import os from pprint import pprint from pandas import DataFrame from scipy import interpolate data_1_hour_predict_raw = pd.read_excel('./data/附件1 监测点A空气质量预报基础数据.xlsx' ) data_1_hour_actual_raw = pd.read_excel('./data/附件1 监测点A空气质量预报基础数据.xlsx' ) data_1_day_actual_raw = pd.rea df_1_predict = data_1_hour_actual_raw df_1_actual = data_1_day_actual_raw df_1_predict.set_axis( ['time', 'place', 'so2', 'no2', 'pm10', 'pm2.5', 'o3', 'co', 'temperature', 'humidity', 'pressure', 'wind', 'direction'], axis='columns', inplace=True) df_1_actual.set_axis(['time', 'place', 'so2', 'no2', 'pm10', 'pm2.5', 'o3', 'co'], axis='columns', inplace=True) modeltime_df_actual = df_1_actual['time'] modeltime_df_pre = df_1_predict['time'] df_1_actual = df_1_actual.drop(columns=['place', 'time']) df_1_predict = df_1_predict.drop(columns=['place', 'time']) df_1_predict = df_1_predict.replace('—', np.nan) df_1_predict = df_1_predict.astype('float') df_1_predict[df_1_predict < 0] = np.nan # 重新插入time列 df_1_actual.insert(0, 'time', modeltime_df_actual) df_1_predict.insert(0, 'time', modeltime_df_pre) # 线性插值的方法需要单独处理最后一行的数据 data_1_actual = df_1_actual[0:-3] data_1_predict = df_1_predict data_1_predict.iloc[-1:]['pm10'] = 22.0 data_1_actual_knn = df_1_actual[0:-3] data_1_predict_knn: DataFrame = df_1_predict for indexs in data_1_actual.columns: if indexs == 'time': continue data_1_actual['rownum'] = np.arange(data_1_actual.shape[0]) df_nona = data_1_actual.dropna(subset=[indexs]) f = interpolate.interp1d(df_nona['rownum'], df_nona[indexs]) data_1_actual[indexs] = f(data_1_actual['rownum']) data_1_actual = data_1_actual.drop(columns=['rownum']) for indexs in data_1_predict.columns: if indexs == 'time': continue data_1_predict['rownum'] = np.arange(data_1_predict.shape[0]) df_nona = data_1_predict.dropna(subset=[indexs]) f = interpolate.interp1d(df_nona['rownum'], df_nona[indexs]) data_1_predict[indexs] = f(data_1_predict['rownum']) data_1_predict = data_1_predict.drop(columns=['rownum']) writer = pd.E

改如何修正: <select id="getCurrentTask" resultType="com.sottop.sokonmobile.sokonmobile.qingdao.entity.AsEmWorkOrderEntity"> SELECT asewo.code_s as code,asewo.order_type_s as orderType,asewo.equipment_name_s as equipmentName,asewo.executor_s as executor, asewo.plan_start_time_T as planStartTime,asewo.plan_finish_time_T as planFinishTime,asewo.tpm_key_s as tpmKey,asewo.shop_s as shop, asewo.line_S as line,asewo.actual_start_time_t as startTime,asewo.actual_finish_time_t as finishTime,asewo.executor_account_s as executorAccounts, asewo.source_type_s as sourceType,asewo.SOURCE_ORDER_S as sourceOrder,asewo.CREATION_TIME as creationTime FROM AT_AS_EM_Work_Order asewo WHERE to_char(asewo.plan_start_time_T,'yyyy_mm-dd hh24:mi') <= to_char(plan_finish_time_T,'yyyy_mm_dd hh24:mi') AND asewo.ORDER_STATUS_S='创建' AND asewo.executor_s=#{executor} <if test="orderType!=null and orderType!=''"> AND asewo.order_type_s=#{orderType} </if> ORDER BY asewo.creation_time DESC Union All SELECT asewo.code_s as code,asewo.order_type_s as orderType,asewo.equipment_name_s as equipmentName,asewo.executor_s as executor, asewo.plan_start_time_T as planStartTime,asewo.plan_finish_time_T as planFinishTime,asewo.tpm_key_s as tpmKey,asewo.shop_s as shop, asewo.line_S as line,asewo.actual_start_time_t as startTime,asewo.actual_finish_time_t as finishTime,asewo.executor_account_s as executorAccounts, asewo.source_type_s as sourceType,asewo.SOURCE_ORDER_S as sourceOrder,asewo.CREATION_TIME as creationTime FROM AT_AS_EM_Work_Order asewo WHERE asewo.ORDER_STATUS_S='创建' AND asewo.executor_s=#{executor} <if test="orderType!=null and orderType!=''"> AND asewo.order_type_s=#{orderType} </if> ORDER BY asewo.creation_time DESC </select>

%Matlab程序读取sst数据: close all clear all oid='sst.mnmean.nc' sst=double(ncread(oid,'sst')); nlat=double(ncread(oid,'lat')); nlon=double(ncread(oid,'lon')); mv=ncreadatt(oid,'/sst','missing_value'); sst(find(sst==mv))=NaN; [Nlt,Nlg]=meshgrid(nlat,nlon); %Plot the SST data without using the MATLAB Mapping Toolbox figure pcolor(Nlg,Nlt,sst(:,:,1));shading interp; load coast;hold on;plot(long,lat);plot(long+360,lat);hold off colorbar %Plot the SST data using the MATLAB Mapping Toolbox figure axesm('eqdcylin','maplatlimit',[-80 80],'maplonlimit',[0 360]); % Create a cylindrical equidistant map pcolorm(Nlt,Nlg,sst(:,:,1)) % pseudocolor plot "stretched" to the grid load coast % add continental outlines plotm(lat,long) colorbar % sst数据格式 % Variables: % lat % Size: 89x1 % Dimensions: lat % Datatype: single % Attributes: % units = 'degrees_north' % long_name = 'Latitude' % actual_range = [88 -88] % standard_name = 'latitude_north' % axis = 'y' % coordinate_defines = 'center' % % lon % Size: 180x1 % Dimensions: lon % Datatype: single % Attributes: % units = 'degrees_east' % long_name = 'Longitude' % actual_range = [0 358] % standard_name = 'longitude_east' % axis = 'x' % coordinate_defines = 'center' % % time % Size: 1787x1 % Dimensions: time % Datatype: double % Attributes: % units = 'days since 1800-1-1 00:00:00' % long_name = 'Time' % actual_range = [19723 74083] % delta_t = '0000-01-00 00:00:00' % avg_period = '0000-01-00 00:00:00' % prev_avg_period = '0000-00-07 00:00:00' % standard_name = 'time' % axis = 't' % % time_bnds % Size: 2x1787 % Dimensions: nbnds,time % Datatype: double % Attributes: % long_name = 'Time Boundaries' % % sst % Size: 180x89x1787 % Dimensions: lon,lat,time % Datatype: int16 % Attributes: % long_name = 'Monthly Means of Sea Surface Temperature' % valid_range = [-5 40] % actual_range = [-1.8 36.08] % units = 'degC' % add_offset = 0 % scale_factor = 0.01 % missing_value = 32767 % precision = 2 % least_significant_digit = 1 % var_desc = 'Sea Surface Temperature' % dataset = 'NOAA Extended Reconstructed SST' % level_desc = 'Surface' % statistic = 'Mean' % parent_stat = 'Mean' 解释这个代码的意思,并将其转换为python代码

最新推荐

recommend-type

西门子S7-300高级编程培训教材,内部教材__5、STEP_7中的数据类型和变量.ppt

基本数据类型包括位(如BOOL)、字节(BYTE)、字(WORD)、双字(DWORD)和字符(CHAR),以及算术数据类型(INT, DINT, REAL),时间数据类型(S5TIME, TIME, DATE, TIME_OF_DAY, DATE_AND_TIME)等。这些数据类型...
recommend-type

微软内部资料-SQL性能优化5

You can see this extra value if you use DBCC PAGE to look at the actual index rows the section on indexes internal. . Finding Rows in a Clustered Index The Leaf Level of a Clustered Index ...
recommend-type

Java基于springboot+vue的校园自助洗衣服务管理系统的设计与实现.rar

【基于Springboot+Vue的设计与实现】高分通过项目,已获导师指导。 本项目是一套基于Springboot+Vue的管理系统,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的Java学习者。也可作为课程设计、期末大作业 包含:项目源码、数据库脚本、开发说明文档、部署视频、代码讲解视频、全套软件等,该项目可以直接作为毕设使用。 项目都经过严格调试,确保可以运行! 环境说明: 开发语言:Java 框架:springboot,mybatis JDK版本:JDK1.8 数据库:mysql 5.7数据库工具:Navicat11开发软件:eclipse/idea Maven包:Maven3.3
recommend-type

广义表的基本操作与高级功能

这份资料详细介绍了广义表(Generalized List)这一重要的数据结构。广义表是一种递归数据结构,其元素可以是原子(基本数据类型,如数字、字符)或者子表(另一个广义表),具有灵活性和递归性的特点。 资料主要包含七个部分:基本概念介绍、表示方法、存储结构、基本操作、高级操作、应用场景和优化策略。在基本操作部分,详细讲解了创建、遍历、插入、删除等功能的具体实现,每个操作都配有完整的C语言代码示例。在应用场景部分,展示了广义表在表示嵌套表达式、树结构和多层嵌套数据等实际场景中的应用。针对实现过程中可能遇到的内存管理、递归效率、栈溢出等问题,资料也提供了相应的优化策略和解决方案。
recommend-type

平尾装配工作平台运输支撑系统设计与应用

资源摘要信息:"该压缩包文件名为‘行业分类-设备装置-用于平尾装配工作平台的运输支撑系统.zip’,虽然没有提供具体的标签信息,但通过文件标题可以推断出其内容涉及的是航空或者相关重工业领域内的设备装置。从标题来看,该文件集中讲述的是有关平尾装配工作平台的运输支撑系统,这是一种专门用于支撑和运输飞机平尾装配的特殊设备。 平尾,即水平尾翼,是飞机尾部的一个关键部件,它对于飞机的稳定性和控制性起到至关重要的作用。平尾的装配工作通常需要在一个特定的平台上进行,这个平台不仅要保证装配过程中平尾的稳定,还需要适应平尾的搬运和运输。因此,设计出一个合适的运输支撑系统对于提高装配效率和保障装配质量至关重要。 从‘用于平尾装配工作平台的运输支撑系统.pdf’这一文件名称可以推断,该PDF文档应该是详细介绍这种支撑系统的构造、工作原理、使用方法以及其在平尾装配工作中的应用。文档可能包括以下内容: 1. 支撑系统的设计理念:介绍支撑系统设计的基本出发点,如便于操作、稳定性高、强度大、适应性强等。可能涉及的工程学原理、材料学选择和整体结构布局等内容。 2. 结构组件介绍:详细介绍支撑系统的各个组成部分,包括支撑框架、稳定装置、传动机构、导向装置、固定装置等。对于每一个部件的功能、材料构成、制造工艺、耐腐蚀性以及与其他部件的连接方式等都会有详细的描述。 3. 工作原理和操作流程:解释运输支撑系统是如何在装配过程中起到支撑作用的,包括如何调整支撑点以适应不同重量和尺寸的平尾,以及如何进行运输和对接。操作流程部分可能会包含操作步骤、安全措施、维护保养等。 4. 应用案例分析:可能包含实际操作中遇到的问题和解决方案,或是对不同机型平尾装配过程的支撑系统应用案例的详细描述,以此展示系统的实用性和适应性。 5. 技术参数和性能指标:列出支撑系统的具体技术参数,如载重能力、尺寸规格、工作范围、可调节范围、耐用性和可靠性指标等,以供参考和评估。 6. 安全和维护指南:对于支撑系统的使用安全提供指导,包括操作安全、应急处理、日常维护、定期检查和故障排除等内容。 该支撑系统作为专门针对平尾装配而设计的设备,对于飞机制造企业来说,掌握其详细信息是提高生产效率和保障产品质量的重要一环。同时,这种支撑系统的设计和应用也体现了现代工业在专用设备制造方面追求高效、安全和精确的趋势。"
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB遗传算法探索:寻找随机性与确定性的平衡艺术

![MATLAB多种群遗传算法优化](https://img-blog.csdnimg.cn/39452a76c45b4193b4d88d1be16b01f1.png) # 1. 遗传算法的基本概念与起源 遗传算法(Genetic Algorithm, GA)是一种模拟自然选择和遗传学机制的搜索优化算法。起源于20世纪60年代末至70年代初,由John Holland及其学生和同事们在研究自适应系统时首次提出,其理论基础受到生物进化论的启发。遗传算法通过编码一个潜在解决方案的“基因”,构造初始种群,并通过选择、交叉(杂交)和变异等操作模拟生物进化过程,以迭代的方式不断优化和筛选出最适应环境的
recommend-type

如何在S7-200 SMART PLC中使用MB_Client指令实现Modbus TCP通信?请详细解释从连接建立到数据交换的完整步骤。

为了有效地掌握S7-200 SMART PLC中的MB_Client指令,以便实现Modbus TCP通信,建议参考《S7-200 SMART Modbus TCP教程:MB_Client指令与功能码详解》。本教程将引导您了解从连接建立到数据交换的整个过程,并详细解释每个步骤中的关键点。 参考资源链接:[S7-200 SMART Modbus TCP教程:MB_Client指令与功能码详解](https://wenku.csdn.net/doc/119yes2jcm?spm=1055.2569.3001.10343) 首先,确保您的S7-200 SMART CPU支持开放式用户通
recommend-type

MAX-MIN Ant System:用MATLAB解决旅行商问题

资源摘要信息:"Solve TSP by MMAS: Using MAX-MIN Ant System to solve Traveling Salesman Problem - matlab开发" 本资源为解决经典的旅行商问题(Traveling Salesman Problem, TSP)提供了一种基于蚁群算法(Ant Colony Optimization, ACO)的MAX-MIN蚁群系统(MAX-MIN Ant System, MMAS)的Matlab实现。旅行商问题是一个典型的优化问题,要求找到一条最短的路径,让旅行商访问每一个城市一次并返回起点。这个问题属于NP-hard问题,随着城市数量的增加,寻找最优解的难度急剧增加。 MAX-MIN Ant System是一种改进的蚁群优化算法,它在基本的蚁群算法的基础上,对信息素的更新规则进行了改进,以期避免过早收敛和局部最优的问题。MMAS算法通过限制信息素的上下界来确保算法的探索能力和避免过早收敛,它在某些情况下比经典的蚁群系统(Ant System, AS)和带有局部搜索的蚁群系统(Ant Colony System, ACS)更为有效。 在本Matlab实现中,用户可以通过调用ACO函数并传入一个TSP问题文件(例如"filename.tsp")来运行MMAS算法。该问题文件可以是任意的对称或非对称TSP实例,用户可以从特定的网站下载多种标准TSP问题实例,以供测试和研究使用。 使用此资源的用户需要注意,虽然该Matlab代码可以免费用于个人学习和研究目的,但若要用于商业用途,则需要联系作者获取相应的许可。作者的电子邮件地址为***。 此外,压缩包文件名为"MAX-MIN%20Ant%20System.zip",该压缩包包含Matlab代码文件和可能的示例数据文件。用户在使用之前需要将压缩包解压,并将文件放置在Matlab的适当工作目录中。 为了更好地理解和应用该资源,用户应当对蚁群优化算法有初步了解,尤其是对MAX-MIN蚁群系统的基本原理和运行机制有所掌握。此外,熟悉Matlab编程环境和拥有一定的编程经验将有助于用户根据个人需求修改和扩展算法。 在实际应用中,用户可以根据问题规模调整MMAS算法的参数,如蚂蚁数量、信息素蒸发率、信息素增量等,以获得最优的求解效果。此外,也可以结合其他启发式或元启发式算法,如遗传算法、模拟退火等,来进一步提高算法的性能。 总之,本资源为TSP问题的求解提供了一种有效的算法框架,且Matlab作为编程工具的易用性和强大的计算能力,使得该资源成为算法研究人员和工程技术人员的有力工具。通过本资源的应用,用户将能够深入探索并实现蚁群优化算法在实际问题中的应用,为解决复杂的优化问题提供一种新的思路和方法。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依