环境：Java1.8（此博客默认已安装配置好Java环境，如未配置请先配置Java环境）版本信息：idea2019.1.3maven3.6.0Idea首先可从官网下载idea对应版本的idea安装包（社区版是免费的但是功能受限，旗舰版功能完整但是是收费的，建议旗舰版不然后期开发过程中各种问题将随之而来）版本不需要太高，稳定就行。此处提供一个idea2019.1.3的下载链接，亲测可使用到2089年

设计内容：通过竞赛硬件平台模拟小区自动售水机的工作流程：通过按键控制售水机水流出和停止；通过数码管显示费率、出水量及总费用；通过光敏电阻检测环境亮度，在亮度过低的情况下，自动开灯。系统硬件电路主要由单片机控制电路、数码管显示电路、 A/D 转换电路及功能按键组成。由上面的设计要求可知，我们本次设计使用到了按键、A/D转换、数码管显示、继电器和LED几个部分，本人的习惯是先将省赛必考部分写出一个..

IIC通信IIC总线是双向、二线制、同步串行总线，是一种多向控制总线，即多个芯片可以连接到同一个总线结构下，每个芯片都可以作为实时数据传输的控制源。AT24C02：EEPROM存储芯片，是一个2K位串行CMOS EEPROM，内部含有256个8位字节。EEPROM是指带电可擦可编程读写存储器，掉电不丢失数据。AT24C02芯片原理图：...

深度强化学习（DRL）（一）强化学习强化学习（Reinforcement Learning，简称RL）是机器学习领域的一个研究热点，当前已经广泛应用于工业制造、仿真模拟、机器人控制、优化与调度、游戏博弈等领域。不同于深度学习侧重于感知和表达，强化学习则侧重于寻找解决问题的策略，强化学习中的智能体在与环境交互的过程中，为了获取更大的累计奖赏值而不断优化动作策略，当累积的奖赏值达到最大后且稳定则意味着

深度强化学习（DRL）（一）强化学习强化学习（Reinforcement Learning，简称RL）是机器学习领域的一个研究热点，当前已经广泛应用于工业制造、仿真模拟、机器人控制、优化与调度、游戏博弈等领域。不同于深度学习侧重于感知和表达，强化学习则侧重于寻找解决问题的策略，强化学习中的智能体在与环境交互的过程中，为了获取更大的累计奖赏值而不断优化动作策略，当累积的奖赏值达到最大后且稳定则意味着

node.js从官网下载安装包https://nodejs.org/zh-cn/下载完成，双击进行安装，选择同意协议条款，next选择安装路径，例如D:\Program Files\nodejs\，后续选择均为默认设置即可。在安装的过程中已经自动配置了环境变量以及安装好了npm，可以在命令行执行node -v和npm -v查看到各自的版本即为安装成功。为避免在执行全局安装的时候默认将模块安装在了C