Python强化学习

描述:代码实现功能:结合已有的实验做一个通过强化学习实现路径规划选择以及目标分配。 已有工作:已经得到红方到蓝方的多条路径数据信息并保存在了path.txt文件中,以字典的形式。 要求: 1.将得到的这些路径作为备选路径,也就是作为强化学习的探索空间,然后基于已有的这些路径,通过强化学习进行筛选,得到每个红方到每个蓝方的一条最优路径,使用算法为PPO clip算法。 2.进行红蓝双方的目标分配,就是哪个红方打哪个蓝方方案是最优的。(红蓝双方并不是一对一要求,比如有6个红方4个蓝方,可以多个红方对一个蓝方,但要求每个蓝方都有红方去打)。 3.强化学习的奖励函数涉及到的相关约束,可以参考我发的这个run_main文件,将里面的约束条件规则用到其中,并作为奖励函数的设计条件。 4.代码的泛化性和可更改性,对于后续的修改可以较方便,比如奖励函数是一个函数模块,约束模型是一个模块,每一个模块分清楚,我要对其进行更新就只需要改这一部分。 5.训练过程要有展示,也就是每一次训练后的选择的路径图都能够保存在一个文件夹中,最后的结果也有所展示,包括最后最优的结果路径图展示,还有reward的变化曲线图。 6.每隔一段时间对生成的模型进行保存。
类型:远程
总价:技术报价
工期:15
申请订单

题目:基于卷积神经网络的网络异常流量检测系统.

描述:题目:基于卷积神经网络的网络异常流量检测系统.数据采集与预处理:设计和实现网络流量数据的采集方案,从实际网络环境中获取流量数据。对采集到的网络流量数据进行预处理,包括数据清洗、去除噪声、标准化等操作,以提高后续处理的效果。卷积神经网络模型设计与训练:设计基于卷积神经网络(CNN)的异常流量检测模型结构,包括卷积层、池化层、全连接层等。利用已经预处理好的网络流量数据,对设计的CNN模型进行训练和优化,以提高模型对异常流量的检测能力。系统实现与集成:开发网络异常流量检测系统的各个模块,包括数据采集模块、预处理模块、CNN模型训练模块等。将各个模块进行集成,搭建完整的网络异常流量检测系统,确保各模块之间的协同工作和数据流畅。功能测试与性能评估:对设计实现的网络异常流量检测系统进行功能测试,验证系统的各项功能是否正常。进行系统的性能评估,包括模型的准确率、召回率、处理速度等指标,以评估系统的性能优劣。结果分析与改进:分析系统在实际环境中的应用效果,探讨系统在异常流量检测方面的优缺点和改进空间。根据实际测试结果,对系统进行优化和改进,提高系统的稳定性和性能,以满足实际应用需求。通过以上工作内容,本课题旨在设计并实现一种高效、准确的基于卷积神经网络的网络异常流量检测系统,以提高网络安全防护能力,保障网络和相关数据的安全。上述为我在前期和中期报告中所书写的内容,你作为参考我接下来的需求是:需要完成该系统,在该系统中需要可视化界面、数据预处理部分、数据存储部分、流量分析部分等,需要完成全部代码,文档中可以进行适当的功能删改,每一周和我说两次进度,在5月10号前完成。https://github.com/munhouiani/Deep-Packet 这个是我上网找的开源数据集
类型:远程
总价:1500
工期:20天
申请订单
申请订单
意见反馈