当前位置: 首页 > article >正文

图解强化学习 |强化学习在自动加药系统上的尝试(在线更新,和模型微调)

欢迎来到图解强化学习的世界博客主页卿云阁欢迎关注点赞收藏⭐️留言首发时间2026年4月12日✉️希望可以和大家一起完成进阶之路作者水平很有限如果发现错误请留言轰炸哦万分感谢目录初始化函数加载历史缓冲区保存在缓冲区增加一条新的样本微调模型模拟运行初始化函数def __init__(self, trainer, processor, buffer_file, model_file, max_days, update_every):self.trainer trainer self.processor processor将之前训练好的trainer和processor移交给在线更新器。self.buffer_file buffer_file self.model_file model_file指定缓冲区文件和模型文件在硬盘上的位置。self.update_every update_every # 默认为 30 self.buffer deque(maxlenmax_days) # 默认为 365设定了每积攒30 天的数据才进行一次微调。deque 是双端队列设置了 maxlen 后当存入第366 天的数据时它会自动把第 1 天的数据给“吐”出来。self._load()在对象创建的一瞬间立刻去硬盘里把之前保存的online_buffer.jsonl全部读进内存。加载历史缓冲区def _load(self): 加载历史缓冲区 if os.path.exists(self.buffer_file): with open(self.buffer_file, r, encodingutf-8) as f: for line in f: try: self.buffer.append(json.loads(line)) except: pass print(f✓ 加载 {len(self.buffer)} 条历史样本)假设你的buffer_file即online_buffer.jsonl在硬盘里长这个样子只有 3 行{date: 2025-03-01, reward: 0.5, action: 2} {date: 2025-03-02, reward: 0.8, action: 1} {date: 2025-03-03, reward: -0.2, action: 4}self.buffer deque(maxlen2) 假设我们为了演示记忆长度只设为 2读取第 1 行line {date: 2025-03-01, reward: 0.5, action: 2} 执行 append。当前内存 buffer[{date: 3-01, ...}] (长度 1)读取第 2 行line {date: 2025-03-02, reward: 0.8, action: 1} 执行 append。当前内存 buffer[{date: 3-01, ...}, {date: 3-02, ...}] (长度 2已满)读取第 3 行关键点line {date: 2025-03-03, reward: -0.2, action: 4}\n执行 append。内存变化因为 maxlen2队列会自动弹出最老的一行3-01。最终内存 buffer[{date: 3-02, ...}, {date: 3-03, ...}] (长度 2)最后输出 ✓ 加载 2 条历史样本self.buffer最后的样子如下deque([ {date: 2025-01-01, state: [...], action: 2, ...}, {date: 2025-01-02, state: [...], action: 1, ...}, ... ], maxlen365)保存在缓冲区def _save(self): 保存缓冲区 with open(self.buffer_file, w, encodingutf-8) as f: for item in self.buffer: f.write(json.dumps(item, ensure_asciiFalse) \n)执行前内存中的 self.buffer 状态条目 1{date: 2025-03-15, reward: 0.5}条目 2{date: 2025-03-16, reward: 0.9}硬盘上原本旧的文件内容{date: 2024-03-14, reward: 0.2} {date: 2025-03-15, reward: 0.5}执行后硬盘上的新文件内容{date: 2025-03-15, reward: 0.5} {date: 2025-03-16, reward: 0.9}增加一条新的样本def add_sample(self, date, state, pac_dose, eff_tp_next): 添加一条新样本 参数: date : 日期字符串 2025-03-16 state : 状态字典 {inf_tp, inf_ph, inf_temp, flow_rate_10kt_d, eff_tp} pac_dose : 今日执行的PAC量 (kg/h) eff_tp_next : 次日出水TP (mg/L) # 计算奖励 prior lookup_prior(self.processor.lookup, state[inf_tp], state[inf_temp]) reward compute_reward_causal(eff_tp_next, pac_dose, state[inf_tp], prior, self.processor.pac_mean) # 归一化状态 s self.processor.transform_state(state).tolist() s_next self.processor.transform_state({**state, eff_tp: eff_tp_next}).tolist() # 动作索引 action int(np.argmin(np.abs(PAC_ACTIONS - pac_dose))) prior_action int(np.argmin(np.abs(PAC_ACTIONS - prior))) # 保存样本 sample { date: date, state: s, action: action, reward: float(reward), next_state: s_next, done: 0, prior_action: prior_action, raw: {pac: pac_dose, eff_tp: eff_tp_next} } self.buffer.append(sample) self._save() # 判断是否微调 if len(self.buffer) % self.update_every 0 and len(self.buffer) self.update_every: print(f\n[{date}] 累计 {len(self.buffer)} 条样本触发微调...) self.finetune() return {微调: True, 奖励: round(reward, 3)} return {微调: False, 奖励: round(reward, 3)}date 2025-03-16state {inf_tp: 3.0, inf_ph: 7.0, inf_temp: 20, flow_rate_10kt_d: 10, eff_tp: 0.25}pac_dose 15.8eff_tp_next 0.22prior lookup_prior(self.processor.lookup, state[inf_tp], state[inf_temp]) reward compute_reward_causal(eff_tp_next, pac_dose, state[inf_tp], prior, self.processor.pac_mean)prior 14.0reward 0.85# 归一化状态 s self.processor.transform_state(state).tolist() s_next self.processor.transform_state({**state, eff_tp: eff_tp_next}).tolist()s [0.2, -0.5, 0.1, 0.8, -0.2]s_next [0.2, -0.5, 0.1, 0.8, -0.4]action int(np.argmin(np.abs(PAC_ACTIONS - pac_dose))) prior_action int(np.argmin(np.abs(PAC_ACTIONS - prior)))实际动作索引 actionaction 4先验动作索引 prior_action prior_action 3# 保存样本 sample { date: date, state: s, action: action, reward: float(reward), next_state: s_next, done: 0, prior_action: prior_action, raw: {pac: pac_dose, eff_tp: eff_tp_next} } self.buffer.append(sample) self._save()构造 sample 字典{ date: 2025-03-16, state: [0.2, -0.5, 0.1, 0.8, -0.2], action: 4, reward: 0.85, next_state: [0.2, -0.5, 0.1, 0.8, -0.4], prior_action: 3, ... }执行 self.buffer.append(sample)将这条数据塞进 365 天的记忆队列。执行 self._save()立刻把这条热乎的数据写进硬盘的 .jsonl 文件中防止停电丢失。len(self.buffer) 刚好达到了30条 调用 self.finetune()返回结果{微调: True, 奖励: 0.85}微调模型# 构建数据集 buf list(self.buffer) dataset { states: np.array([b[state] for b in buf], dtypenp.float32), actions: np.array([b[action] for b in buf], dtypenp.int64), rewards: np.array([b[reward] for b in buf], dtypenp.float32), next_states: np.array([b[next_state] for b in buf], dtypenp.float32), dones: np.array([b[done] for b in buf], dtypenp.float32), prior_actions: np.array([b[prior_action] for b in buf], dtypenp.int64), }假设 buffer 里只有 2 天的数据内存中的 buf{state: [0.1, 0.2], action: 2, reward: 0.8, ...}{state: [0.3, 0.4], action: 1, reward: 0.5, ...}执行这段代码后dataset 变成了dataset[states] [[0.1, 0.2], [0.3, 0.4]] 矩阵dataset[actions] [2, 1] 向量dataset[rewards] [0.8, 0.5] 向量模拟运行Row 0 (今天 i0): date04-01, inf_tp3.0, eff_tp0.25, inf_temp20Row 1 (明天 i1): date04-02, inf_tp3.2, eff_tp0.21today df_test.iloc[i] tomorrow df_test.iloc[i1] state {c: today[c] for c in CFG[state_cols]}state {inf_tp: 3.0, eff_tp: 0.25, ...}s_norm processor.transform_state(state) prior lookup_prior(processor.lookup, today[inf_tp], today[inf_temp]) rec trainer.recommend(s_norm, today[eff_tp], prior) pac rec[推荐PAC量]对当天的状态标准化处理得到s_norm查询当天状态的priorpac模型给出的推荐的加药量eff_tp_next tomorrow[eff_tp]# 添加样本 info updater.add_sample( datestr(today[date])[:10], statestate, pac_dosepac, eff_tp_nexteff_tp_next )

相关文章:

图解强化学习 |强化学习在自动加药系统上的尝试(在线更新,和模型微调)

🌞欢迎来到图解强化学习的世界 🌈博客主页:卿云阁 💌欢迎关注🎉点赞👍收藏⭐️留言📝 📆首发时间:🌹2026年4月12日🌹 ✉️希望可以和大家一起完成…...

【GESP】C++二级考试必备:深入解析RAM、ROM与Cache的工作原理与应用场景

1. 计算机存储的基本概念与分类 计算机存储就像我们日常生活中的仓库,用来存放各种数据和程序。想象一下,你有一个大书架(硬盘),上面放满了书(数据),但每次找书都要花很长时间。于是…...

MeteorSeed潮

这个代码的核心功能是:基于输入词的长度动态选择反义词示例,并调用大模型生成反义词,体现了 “动态少样本提示(Dynamic Few-Shot Prompting)” 与 “上下文长度感知的示例选择” 的能力。 from langchain.prompts impo…...

普通数组-238. 除了自身以外数组的乘积(数组、前缀和)

文章目录 一、核心解题思路二、完整可运行代码(大厂机考版) 力扣地址: 中等:238. 除了自身以外数组的乘积 挺简单的 一、核心解题思路 前缀积数组 prefix:prefix[i] 表示 nums[0..i-1] 所有元素的乘积(即…...

行式存储(Row-based Storage)和列式存储(Column-base Storage)简介舷

1. 哑铃图是什么? 哑铃图(Dumbbell Plot),有时也称为DNA图或杠铃图,是一种用于比较两个相关数据点的可视化图表。 它源于人们对更有效数据比较方式的持续探索。 在传统的时间序列比较中,我们通常使用两条折…...

AI 时代的程序员:从“建造者”到“定义者”宋

一、前言:什么是 OFA VQA 模型? OFA(One For All)是字节跳动提出的多模态预训练模型,支持视觉问答、图像描述、图像编辑等多种任务,其中视觉问答(VQA)是最常用的功能之一——输入一张…...

代购佣金计算系统的设计与实现

随着跨境代购业务规模化发展,人工核算佣金效率低、易出错、对账复杂,已成为制约业务扩张的核心痛点。构建一套自动化、可配置、高可靠的代购佣金计算系统,可实现订单佣金实时计算、多级分润自动分配、结算流程线上化与风险可控,显…...

OV7670图像传感器底层驱动与MCU实时采集实战

1. OV7670图像传感器底层驱动技术详解OV7670是OmniVision公司于2000年代初推出的低功耗、单芯片VGA(640480)CMOS图像传感器,采用CSP封装,支持RGB565、YUV422、RAW RGB等多种输出格式,内置PLL、自动曝光/白平衡/增益控制…...

ClearDS1302库:面向初学者的DS1302实时时钟Arduino驱动设计

1. ClearDS1302库概述:面向嵌入式初学者的DS1302实时时钟驱动设计哲学ClearDS1302是一个专为Arduino平台设计的C类库,其核心目标并非追求极致性能或最小资源占用,而是以工程可维护性和学习友好性为第一设计原则。在嵌入式开发实践中&#xff…...

# 上海第一次带宠物去洗护,怎么避免被坑和乱剪毛?

在上海养宠,洗护是绕不开的刚需。尤其是第一次带毛孩子去店里,很多铲屎官心里都打鼓:怕价格不透明,怕美容师手重,更怕“一言不合就剃光”。这里整理了几个大家最关心的问题,帮你理清思路,少踩坑…...

FeatherLib:Adafruit Feather 多平台硬件抽象库

1. FeatherLib 库概述FeatherLib 是专为 Adafruit 公司系列 Feather 开发板及其配套 FeatherWing 扩展模块设计的轻量级 C/C 库。该库并非官方 HAL 层实现,而是一个面向嵌入式工程师的“工程胶水层”——它不替代底层 MCU 的标准外设驱动(如 STM32 HAL、…...

【故障公告】数据库服务器磁盘 MBPS 高造成 :-: 期间全站故障锻

Issue 概述 先来看看提交这个 Issue 的作者是为什么想到这个点子的,以及他初步的核心设计概念。?? 本 PR 实现了 Apache Gravitino 与 SeaTunnel 的集成,将其作为非关系型连接器的外部元数据服务。通过 Gravitino 的 REST API 自动获取表结构和元数据&…...

2026最权威的五大AI辅助写作神器实际效果

Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 于学术研究刚开始的阶段之时,开题报告写出的时候常常会碰到文献整理得不全面&…...

使用 Bright Data Web Scraper API + Python 高效抓取 Glassdoor 数据:从配置到结构化输出全流程经验分享

在做人才市场分析、雇主品牌研究、薪酬趋势观察时,Glassdoor 是非常有价值的数据源。但手写爬虫往往会遇到动态渲染、反爬、IP 风控、验证码、维护成本高等问题。 如果你的目标是“快速、稳定、可规模化”,使用 Bright Data Web Scraper API(…...

MQ2气体传感器驱动库:原理、标定与FreeRTOS工程实践

1. MQ2气体传感器驱动库技术解析与工程实践1.1 库定位与工程价值MQ2是一款广泛应用于嵌入式系统的宽谱可燃气体检测传感器,其核心敏感元件为二氧化锡(SnO₂)半导体气敏材料。该传感器对液化石油气(LPG)、丙烷、氢气、甲…...

数据摄取构建模块简介(预览版)(二)趴

Qt是一个跨平台C图形界面开发库,利用Qt可以快速开发跨平台窗体应用程序,在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置,实现图形化开发极大的方便了开发效率,本笔记将重点介绍QSpinBox数值微调组件的常用方法及灵活应用。…...

Arduino设备控制项目实战:从Demo代码到量产固件

1. 项目概述Goldfish4Tech 并非一个标准开源嵌入式库,其 GitHub 或公开技术平台中未收录可检索的源码仓库、API 文档或硬件设计资料。根据所提供的唯一有效输入信息——项目标题 "Goldfish4Tech"、摘要 "Arduino demo code for project"、关键词…...

PAJ7620手势传感器Arduino驱动库详解

1. 项目概述RevEng PAJ7620 是一个面向嵌入式平台的 Arduino 兼容 C 驱动库,专为 PixArt 公司推出的 PAJ7620 系列集成手势识别传感器设计。该库完整支持 PAJ7620、PAJ7620U2 和 PAJ7620F2 三种硬件变体,其核心目标是将底层寄存器操作、IC 协议时序、模式…...

别再踩坑了!SQL Server数据类型那点事儿,看懂这篇少背三个锅不

从0构建WAV文件:读懂计算机文件的本质 虽然接触计算机有一段时间了,但是我的视野一直局限于一个较小的范围之内,往往只能看到于算法竞赛相关的内容,计算机各种文件在我看来十分复杂,认为构建他们并能达到目的是一件困难…...

ESP32/ESP8266轻量级OTA固件升级库详解

1. 项目概述ESP32FwUploader 是一款专为 ESP32 和 ESP8266 系列微控制器设计的轻量级、高可靠性固件空中升级(Over-The-Air, OTA)库。它并非简单封装 ESP-IDF 或 Arduino Core 的原生 OTA 接口,而是以“开箱即用”和“工程鲁棒性”为核心目标…...

第7篇:嵌入式芯片运算核心:ALU_MAC_FPU的工作原理与性能差异

引言:运算单元是嵌入式芯片算力的核心载体 嵌入式芯片作为各类智能终端、工业控制设备、物联网节点的“大脑”,其算力表现直接决定了设备的响应速度、处理能力与功耗效率。而运算单元作为嵌入式芯片CPU/GPU/DSP核心的核心,是执行所有算术运算…...

ATCODER ABC C题解仿

这&#xff0c;是一个采用C精灵库编写的程序&#xff0c;它画了一幅漂亮的图形&#xff1a; 复制代码 #include "sprites.h" //包含C精灵库 Sprite turtle; //建立角色叫turtle void draw(int d){ for(int i0;i<5;i)turtle.fd(d).left(72); } int main(){ …...

深入理解C语言中的位域布局与字节序

在C语言的世界中,位域(bit-field)是一种独特的数据结构,用于在内存中高效地存储数据。然而,尽管C语言标准已经引入了新的宏来确定编译时的字节序,但位域的布局仍旧是一个复杂且需要深入理解的问题。本文将通过实例来探讨位域的布局规则和字节序之间的关系。 位域的基本概…...

从MATLAB工具箱到Python实战:手把手教你用最小二乘法和SVM搞定一个自适应控制系统

从MATLAB工具箱到Python实战&#xff1a;手把手教你用最小二乘法和SVM构建自适应控制系统 在工业自动化与智能设备研发中&#xff0c;自适应控制系统是实现高精度动态调节的核心技术。传统PID控制器在面对参数时变或非线性系统时往往表现乏力&#xff0c;而结合系统辨识与机器学…...

OCaml中枚举类型的值提取技巧

在编程中,处理枚举类型(variant types)是常见需求。尤其是在像OCaml这样的函数式编程语言中,如何获取一个枚举类型的所有可能值是一个有趣且实用的问题。本文将讨论如何在OCaml中实现一个函数,该函数可以提取出所有可能的枚举值。 枚举类型的基本概念 首先,让我们回顾一…...

性价比高的新疆味道哪家专业

一、开头&#xff1a;技术痛点/趋势引入2026年&#xff0c;在“新疆味道”技术领域&#xff0c;随着业务规模的不断扩张和技术需求的日益复杂&#xff0c;开发者们面临着诸多挑战。比如&#xff0c;在实际开发与运维过程中&#xff0c;常常会遇到架构扩展性不足、性能瓶颈以及运…...

从零到发布:如何用Qt资源文件(.qrc)打包你的图标、字体和翻译文件,打造独立可执行程序

从零到发布&#xff1a;Qt资源文件(.qrc)工程化实战指南 当你完成了一个功能完善的Qt应用程序&#xff0c;准备打包发布时&#xff0c;最头疼的问题之一就是如何确保所有依赖的资源文件——图标、字体、翻译文件、样式表等——都能随可执行程序一起正确部署。本文将带你深入Qt资…...

XSS的半点小技巧

你提到的“/”和“ES6”是绕过滤器的特殊技巧&#xff0c;我来逐一说明&#xff1a;1. 标签名后的 /代替空格这是绕过标签名检测的技巧有些过滤器检测标签是否以 <标签名␣开头用 <script/或 <img/代替 <script␣可绕过简单正则示例&#xff1a;<script/src&quo…...

SAP EWM委外采购实战:手把手教你用BADI增强打通订单与交货单的关联链路

SAP EWM委外采购增强实战&#xff1a;从业务痛点到代码落地的全链路设计 在SAP EWM的委外采购业务场景中&#xff0c;采购订单与交货单的关联关系缺失是许多企业面临的共性问题。当仓库管理系统需要追溯委外加工物料的完整生命周期时&#xff0c;标准功能往往无法提供足够的数据…...

接口自动化流程

1.需求分析 理解业务需求&#xff0c;了解接口所支持的业务场景和业务逻辑&#xff0c;根据业务需求&#xff0c;明确接口需要实现的具体功能&#xff0c;如数据的获取&#xff0c;修改&#xff0c;删除等操作&#xff0c;以及接口的输入输出要求&#xff0c;分析接口之间的依…...