第102章 速成（1 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
接下来的两周，左城把自己关在办公室里，几乎没有出过门。
韩露来敲门问过两次，左城只说了一句“在忙，別打扰“。陈浩也来敲过一次，被左城以同样的话打发走了。整个公司都知道，左城在搞一个重要的东西，但没人知道是什么。
於颖推荐的学习资料他全部认真过了一遍。sutton的强化学习导论是理论基础，nih的dqn论文是方法论，再加上几篇关於深度强化学习在资源调度领域的最新研究，他花了五天时间就建立了一个完整的知识框架。
这个速度放在学术界是不可想像的。一个没有任何ai背景的人，五天读完强化学习的核心论文但左城有科技树。智能星网调度系统这枚融合叶片给了他直觉般的理解力，很多概念別人需要反覆推敲才能想通，他看一遍就能抓住本质。
技术增幅的效果也在持续发挥作用。所有和ai相关的学习效率提升百分之二十，这意味著他的学习速度比普通人快了不止一个量级。
第七天，左城开始在纸上设计算法框架。
深度强化学习的核心思路很简单：让一个智能体在环境中不断试错，通过奖惩机制学习最优策略。应用到星间链路调度上，就是让ai模型在仿真环境中不断尝试不同的频谱分配方案，找到频谱利用率最高的那一个。
但设计容易，实现难。状態空间怎么定义动作空间怎么设计奖励函数怎么构造每一个选择都会影响最终的效果。
左城拿出智能星网调度系统的叶片描述，仔细研读。
叶片提供的关键参数帮了大忙。状態空间应该包含链路质量、卫星位置、频谱占用率三个维度；动作空间应该设计为连续型，而不是离散型，因为频谱分配的粒度越细，优化空间越大；奖励函数应该以频谱利用率为主，加上链路稳定性的惩罚项。
左城把这些参数整理成一份技术文档，交给了唐旭。
“按照这个框架搭仿真环境。“左城说，“状態空间三维，动作空间连续，奖励函数用这个公式。“
唐旭接过文档，看了一会儿，表情从困惑变成了震惊。
“左总，这个框架很专业。你在哪学的“
“这几天自学的。“左城说，“別问怎么学的，按框架做就行。“
唐旭没有再追问。他知道左城的学习能力远超常人，从通信到物联网到现在的ai，每次都能在最短时间內掌握核心知识。这种能力他解释不了，只能归结为天赋。
三天后，仿真环境搭好了。唐旭报告说环境跑通了，状態空间和动作空间的定义完全按照左城的框架，奖励函数也实现了。
“好，下一步是训练模型。“左城说，“gpu伺服器到位了吗“
“到了，韩露加急採购了四块rtx2080ti，昨天刚装好。“
“四块够用吗“
“480颗卫星的仿真环境，四块gpu跑一个dqn模型大概需要三天。“唐旭说，“如果要跑多个模型对比，可能需要一周。“
↑返回顶部↑