Decentralized Epistemic Planning文档
Decentralized Epistemic Planning基础定义 Classic Planning 一个Classical Planning实例（Classical Planning问题）可以用一个元组表示 P=⟨S,s0,SG,Act,A,f,c⟩\mathcal{P} = \langle S, s_0, S_G, Act, A, f, c \rangle P=⟨S,s0,SG,Ac
代理在neutral settings下如何推测其他代理的goals
Decentralized Epistemic Planning构成 PD=<S,Agt,s0,G,O,Act,f,c>α∈Agt=<SG>⇒PD=<S,{SG1,SG2,...,SGn},S0,G,O,Act,f,c>where SGn⊆G⊂S,S0⊂S\mathcal{P}_D = <S, Agt, s_0, G, O, Act, f, c>\\
Fluid主题下，如何解决文章目录的一级标题无法跳转的bug
问题描述 有一天我写博客的时候，突然发现在文章界面中点击一级标题时无法正常跳转到对应章节，而是会跳到页面顶部。 问题解决方案 在网上查了很多资料，包括官方git issues里面提出的解决方案，都无法正常解决这个问题。 随后我发现当鼠标悬停在一级标题时，浏览器左下角显示的网址链接总是只会以’#'结尾，因此我认为可能是因为在网站构建时没有正确地给href连接对应toc文本导致的问题，因此我找到了疑似
对neutral settings下的epistemic problem的规划逻辑的一个尝试
Policy 决策的基础解决方案 现在，基本的解决方案流程如下： graph TD a["基于agent自身对ontic world的认知，生成所有可能的virtual world"] --> b["使用BFS，Centralized地模拟每一个virtual world，并在完成任务时返回action sequence的第一个元素"] b --&
证明：使用代理单步行为后的状态差异无法让分布式代理找出合理策略
对代理状态差异方法的解释 我们把一个代理aaa在世界状态序列为w⃗\vec{w}w的justified perspective world写为fa(w⃗)f_a(\vec{w})fa(w)，在代理aaa的观点中，代理bbb在世界状态为www的justified perspective world写为fb(fa(w⃗))f_b(f_a(\vec{w}))fb(fa(w))。另外，一个问题模型的
Decentralized Epistemic Planning中的Goals生成策略
基本示例 假设goal set中只会出现hold_by相关内容，现在在a的角度假设b的goal： 假如a自己的goal为Baholdby(a,i)=1B_a holdby(a, i) = 1Baholdby(a,i)=1，允许的belief深度为2 那么现在可能得所有goals为: Baholdby(a,i)=1Baholdby(a,i)=0Baholdby(b,i)=1Baholdby(b,i
Java学习 - 锁
乐观锁与悲观锁 悲观锁 悲观锁，即以最差的情况假设每一次并发操作。简单来说，就是悲观地认为每一次并发操作都有可能受到其他线程的影响，导致数据不一致或错误。因此，悲观锁旨在一次只让一个线程进行操作，在操作完毕后再讲数据传递给下一个线程。 我们常见的synchronized关键字和ReentrantLock类就是悲观锁的一种表示形式，其能够保证代码块或者方法一次只会让一个线程执行，其余线程则需要等待锁
Java学习 - 进程，线程，协程
进程(Process) 直观来看，在打开你的任务管理器时，出现的窗口上面就会有“进程”二字。 由此可以看出很多东西： 进程间相互独立（关闭一个进程时，其他进程没有受到影响） 每个进程都分配了各自的内存空间（内存隔离），来避免干扰。 一个进程无法直接访问，修改或调用另一个进程的内容。 分布式系统中，如果两端之间进行了某种通信连接，那么在某一端崩溃时需要进行错误处理来避免连带另一端发生错误。