معرفی شرکت ها

example-pkg-UCMEC-1.0.0

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
1.0.0
1.0.0

توضیحات

Reinforcement Learning Environment for User-centric Mobile Edge Computing
ویژگی مقدار
سیستم عامل -
نام فایل example-pkg-UCMEC-1.0.0
نام example-pkg-UCMEC
نسخه کتابخانه 1.0.0
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Langtian Qin
ایمیل نویسنده qlt315@mail.ustc.edu.com
آدرس صفحه اصلی https://github.com/qt315/Multi-agent-UCMEC
آدرس اینترنتی https://pypi.org/project/example-pkg-UCMEC/
مجوز -
# User-Centric Mobile Edge Computing Environment ## A single/multi-agent environment for Reinforcement Learning <!-- TABLE OF CONTENTS --> ## Table of Contents * [About the Project](#about-the-project) * [Getting Started](#getting-started) * [Installation](#installation) * [Usage](#usage) * [Please Cite](#please-cite) * [Contributing](#contributing) * [Contact](#contact) <!-- ABOUT THE PROJECT --> ## About The Project This environment is a mixed cooperative-competitive game, which focuses on the coordination of the agents involved. Agents navigate a world and offload computing tasks to the edge computing-enabled CPU via user-centric wireless transmission. <!-- GETTING STARTED --> ## Getting Started ### Installation Install using pip ```sh pip install UCMEC ``` Or to ensure that you have the latest version: ```sh git clone https://github.com/qlt315/UCMEC_env.git cd UCMEC_env pip install -e . ``` <!-- USAGE EXAMPLES --> ## Usage Create environments with the gym framework. First import ```python import UCMEC ``` Then create an environment: ```python env = gym.make("MA_UCMEC_env") # for single-agent ``` or ```python env = gym.make("SA_UCMEC_env") # for multi-agent ``` Similarly to Gym, step() function in multi-agent environment is defined as ```python obs, reward, done, info = env.step(actions) ``` Where obs, rewards, done and info are LISTS of N items (where N is the number of agents). The i'th element of each list should be assigned to the i'th agent. action space is a LIST of N*M numbers that should be executed in that step.(M is the number of actions for each agent, like offloading decision, power allocation, etc.) <!-- CITATION --> # Please Cite 1. The paper that first uses this implementation of single-agent UCMEC environment: ``` @ARTICLE{ucmec2022, author={Qin, Langtian and Lu, Hancheng and Wu, Feng}, journal={IEEE Communications Magazine}, title={When User-Centric Network Meets Mobile Edge Computing: Challenges and Optimization}, year={2022}, volume={}, number={}, pages={1-7}, doi={10.1109/MCOM.006.2200283} } ``` <!-- CONTRIBUTING --> ## Contributing 1. Fork the Project 2. Create your Feature Branch (`git checkout -b feature/AmazingFeature`) 3. Commit your Changes (`git commit -m 'Add some AmazingFeature`) 4. Push to the Branch (`git push origin feature/AmazingFeature`) 5. Open a Pull Request <!-- CONTACT --> ## Contact Langtian Qin - qlt315@mail.ustc.edu.cn Project Link: [https://github.com/qlt315/UCMEC_env](https://github.com/qlt315/UCMEC_env)


نیازمندی

مقدار نام
- numpy
>=0.12 gym


نحوه نصب


نصب پکیج whl example-pkg-UCMEC-1.0.0:

    pip install example-pkg-UCMEC-1.0.0.whl


نصب پکیج tar.gz example-pkg-UCMEC-1.0.0:

    pip install example-pkg-UCMEC-1.0.0.tar.gz