记录面试

本文[1]转载自知乎专栏《硅基进化》，作者为@tomsheep。

工作中经常用到管道技术，这里整体做一个学习和摘要，转载了此博客

1. 客户端生成公私钥 本地客户端生成公私钥（一路回车默认即可）： 1ssh-keygen 该命令会在用户目录的.ssh文件夹下创建公私钥： 12cd ~/.sshls 将看到两个密钥文件： id_rsa（私钥） id_rsa.pub（公钥） 2. 上传公钥到服务器 这里假设： 服务器地址：192.168.235.22 用户名：root 执行命令上传公钥： 1ssh-copy-id

引言 想象一群机器人被派往一个未知区域执行任务，比如灾后搜救或环境监测。它们需要快速覆盖整个区域，但由于彼此视野有限或缺乏有效协作，常常出现重复探索同一区域的情况，导致时间和能量的浪费。这正是多智能体自主探索领域的核心挑战之一。

很久没有更新笔者的博客了，今天班大佬给笔者分享了他的博客，有感而发，更新一下本博客。

最近面试高频谈到PPO和SAC的区别，在这里做一个总结和复习。

记录第一次面试

之前的章节提到过同策略算法的采样效率比较低，我们通常更倾向于使用异策略算法。然而，虽然 DDPG 是异策略算法，但是它的训练非常不稳定，收敛性较差，对超参数比较敏感，也难以适应不同的复杂环境。2018 年，一个更加稳定的异策略算法 Soft Actor-Critic（SAC）被提出。SAC 的前身是 Soft Q-learning，它们都属于最大熵强化学习的范畴。Soft Q-learning 不