为了发小论文，这俩天写python写了一个微电网黑启动优化算例，由于小论文从投稿到录用还需要几个月，出于保护知识产区的考虑，在这里只分享一个简化后的模型。考虑到很多不是电气专业的朋友，这里给出表示拓扑的简单示意图。对于拓扑图中每一个开关 Si，其属性用一个三维向量表示[si,Pi,Ci]。si表示开关对应的开关状态，Pi表示该开关对应节点上负载功率，Ci表示人工打开该开关所需成本。本算例优化的目标

0.引言为了发小论文，最近重新整理了一下深度学习的一些基础知识。我发现哪怕是一些最基础的代码（比如题目中的Mnist数字集的识别），刚学的时候对着教材抄代码以为自己都搞懂了，后面才发现其实简单的代码里还藏着很多初学时候搞不懂的知识点。翻了一下CSDN上关于Mnist识别的教程里面，基本都是告诉你是什么该怎么做，但往往没有告诉你为什么要这么做，这可能导致初学者看着教程懂了要怎么干，但是关掉教程却发现

不同算法的理论比较部分参考CSDN博客 - 专业IT技术发表平台，代码实现在python完成。用的算例是OpenAI官网gym提供的算例环境"CartPole-v1"游戏,代码实现部分在谷歌全家桶(Colab,tensorflow2,wandb)中完成1.朴素DQN原论文：[DQN] Playing Atari with Deep Reinforcement Learning [1]Off-pol

不同算法的理论比较部分参考CSDN博客 - 专业IT技术发表平台，代码实现在python完成。用的算例是OpenAI官网gym提供的算例环境"CartPole-v1"游戏,代码实现部分在谷歌全家桶(Colab,tensorflow2,wandb)中完成1.朴素DQN原论文：[DQN] Playing Atari with Deep Reinforcement Learning [1]Off-pol