典型文献
改进Q-Learning的WRSN充电路径规划算法
文献摘要：
针对传统无线传感器网络节点能量供应有限和网络寿命短的瓶颈问题,依据无线能量传输技术领域的最新成果,提出了一种基于改进Q-Learning的无线可充电传感器网络的充电路径规划算法.基站根据网络内各节点能耗信息进行充电任务调度,之后对路径规划问题进行数学建模和目标约束条件设置,将移动充电车抽象为一个智能体(Agent),确定其状态集和动作集,合理改进ε-greedy策略进行动作选择,并选择相关性能参数设计奖赏函数,最后通过迭代学习不断探索状态空间环境,自适应得到最优充电路径.仿真结果证明:该充电路径规划算法能够快速收敛,且与同类型经典算法相比,改进的Q-Learning充电算法在网络寿命、节点平均充电次数和能量利用率等方面具有一定优势.
文献关键词：
无线传感器网络;改进Q-Learning;充电路径规划;ε-greedy策略;奖赏函数
中图分类号：
作者姓名：
刘洋;王军;吴云鹏
作者机构：
苏州科技大学 电子与信息工程学院,江苏 苏州 215009;中国科学院长春光学精密机械与物理研究所,吉林 长春 130033
文献出处：
引用格式：
[1]刘洋;王军;吴云鹏-.改进Q-Learning的WRSN充电路径规划算法)[J].太赫兹科学与电子信息学报,2022(04):393-401
A类：
WRSN
B类：
Learning,充电路径规划,路径规划算法,无线传感器网络,网络节点,节点能量,能量供应,网络寿命,寿命短,瓶颈问题,无线能量传输,传输技术,技术领域,最新成果,无线可充电传感器网络,基站,任务调度,规划问题,数学建模,目标约束,移动充电车,智能体,Agent,状态集,greedy,相关性能,性能参数,参数设计,设计奖,奖赏函数,迭代学习,索状,状态空间,空间环境,应得,快速收敛,电算,能量利用率
AB值：
0.371314
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。
