项目总结

项目一期做完,总结一下。

  • 避重就轻的架构设计

核心server轻量化设计,从系统稳定角度来说可以避免核心功能受到不必要的干扰,从系统运维角度来说,方便排查问题,从长远设计角度来说,一开始的简单设计是为了今后的来日方长。

  • 快速重构累赘

一些在一期或者甚至二期都不会考虑的东西,尽快重构干净。否则就会一直拖着累赘,面向接口编程也会成为一个坑,走了一段时间之后发现还是要做掉。

  • 尽快抛弃不稳定的因素,任何补偿机制最后都是徒劳无功

ZK就是个坑,梦想用ZK做事务,梦想ZK成为notify注定给自己带来越来越多不便。做尽可能做到事。

  • 对扩展开放,对修改封闭

这不是遥不可及的理论,这是让你更少加班的经验,这也是大牛用自己多年的经验总结得来的。

  • 知道的更多

面向全平台的技术产品,一开始就要对各个平台知根知底,否则一开始正确的选择也会变成错误。

六、60分的项目经理

尽量让你的团队每个人都少做一些事,把你知道的和当事人相关的都说出来。对队友负责,对主管负责。

  • 不要让敏捷开发成为一个幌子

技术对虚荣心,只会拖累每一个开发。开发敏捷起来,测试也会敏捷。大家都才会更hi!

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值