典型文献
基于改进Q-Learning的智能船舶局部路径规划
文献摘要：
局部路径规划是智能船舶在未知环境下航行的重要组成部分.本文基于Q-Learning强化学习算法,提出改进Q-Learning算法,用于解决传统算法在局部路径规划中存在的收敛速度慢、计算复杂度高、易陷入局部优化的问题.在该算法中,运用势场信息对Q值表进行简单初始化,使其对目标点有一定的基础导向.此外,考虑到船舶艏向角,在二维的位置信息中加入角度信息,使其扩展为三维.针对传统奖励函数单一的问题,对奖励函数进行改进,引入传感器获取的艏向信息与障碍物信息,并加入环境影响,使其在获得最优路径的同时,在一定程度上降低船舶的能耗.最后,通过仿真实验验证算法的实时性和有效性.
文献关键词：
Q-Learning;状态集;奖励函数
中图分类号：
作者姓名：
龚铭凡;徐海祥;冯辉;汪咏;薛学华
作者机构：
教育部高性能船舶技术重点实验室(武汉理工大学),武汉430000;武汉理工大学交通学院,武汉430000
文献出处：
引用格式：
[1]龚铭凡;徐海祥;冯辉;汪咏;薛学华-.基于改进Q-Learning的智能船舶局部路径规划)[J].船舶力学,2022(06):824-833
A类：
B类：
Learning,智能船舶,局部路径规划,未知环境,航行,强化学习算法,传统算法,收敛速度,速度慢,计算复杂度,局部优化,初始化,标点,艏向角,位置信息,角度信息,奖励函数,障碍物,最优路径,状态集
AB值：
0.355568
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。
