典型文献
基于优化Q-learning算法的机器人路径规划
文献摘要：
针对传统Q-learning算法在路径规划中存在收敛速度慢、难以平衡探索与利用的关系等问题,采用改进后的势场对Q-learning算法的Q表初值进行优化,引入多步长策略减少算法的迭代次数和路径中的拐点个数,加入动态调节贪婪因子平衡探索与利用的关系.仿真结果证明,与Q-learnig算法相比,改进后的IMD-Q-learnig算法可将最优路径长度缩短79.09％,拐点个数减少46.67％,算法效率提升88.40％.
文献关键词：
Q-learning算法;路径规划;移动机器人;多步长
中图分类号：
作者姓名：
钱信;吕成伊;宋世杰
作者机构：
中国电子科技集团公司第三十六研究所,浙江 嘉兴314000;南昌大学信息工程学院,江西 南昌330031
文献出处：
引用格式：
[1]钱信;吕成伊;宋世杰-.基于优化Q-learning算法的机器人路径规划)[J].南昌大学学报（工科版）,2022(04):396-401
A类：
learnig
B类：
learning,机器人路径规划,收敛速度,速度慢,探索与利用,初值,多步长,长策,少算,迭代次数,拐点,动态调节,贪婪,IMD,最优路径,路径长,算法效率,移动机器人
AB值：
0.428434
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。
