典型文献
基于深度学习的智能驾驶车辆路径仿真研究
文献摘要：
基于深度强化学习技术研究了智能驾驶中的路径规划问题,且在虚拟环境下进行了模拟分析,对提出的路径规划算法性能做了验证研究.提出了一种改进的经验回放机制ERDDPG(Experience Replay Deep Deterministic Policy Gradient)算法,对经验样本通过优先经验回放机制处理而设置不同的优先级,高质量的经验样本被优先采样,这种模式下网络的训练效率显著提高.在仿真实验中,所提出的ERDDPG算法可完成智能驾驶的路径规划,学习效率较高,且智能车行驶的稳定性更好.
文献关键词：
智能驾驶;深度强化学习;DDPG算法;经验回放机制
中图分类号：
作者姓名：
何倩;仝武宁
作者机构：
陕西中医药大学 计算机实验中心,咸阳 712000
文献出处：
引用格式：
[1]何倩;仝武宁-.基于深度学习的智能驾驶车辆路径仿真研究)[J].中南民族大学学报（自然科学版）,2022(05):586-591
A类：
ERDDPG
B类：
智能驾驶,车辆路径,路径仿真,仿真研究,深度强化学习,学习技术,规划问题,虚拟环境,路径规划算法,算法性能,经验回放机制,Experience,Replay,Deep,Deterministic,Policy,Gradient,优先经验回放,优先级,下网,训练效率,学习效率,智能车,车行
AB值：
0.375397
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
