典型文献
基于启发式强化学习的移动机器人路径规划算法研究
文献摘要：
针对移动机器人采用强化学习方法进行路径规划时存在的学习效率低及收敛速度慢等问题,提出一种改进的Q-learning算法.首先提出动态动作集策略,根据机器人当前点与终点的位置来选择其动作集;然后在算法中加入启发式奖惩函数,使得机器人采取不同的动作收获不同的奖励.由此来改进算法,进而提高算法的学习效率,加快算法收敛.最后在栅格环境下进行仿真实验,结果表明本文改进算法较传统的Q-learning算法,很大程度上加快了算法的收敛速度.
文献关键词：
移动机器人;路径规划;Q-learning算法
中图分类号：
作者姓名：
潘国倩;周新志
作者机构：
四川大学电子信息学院,成都 610065
文献出处：
引用格式：
[1]潘国倩;周新志-.基于启发式强化学习的移动机器人路径规划算法研究)[J].现代计算机,2022(10):57-61
A类：
B类：
启发式,移动机器人路径规划,路径规划算法,算法研究,强化学习方法,学习效率,收敛速度,速度慢,learning,出动,奖惩,改进算法,栅格环境
AB值：
0.257716
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。
