典型文献
基于改进Q-learning算法的移动机器人路径优化
文献摘要：
针对多障碍复杂环境下移动机器人路径规划问题,提出了一种基于萤火虫算法的Q-learning算法.在求解算法中,为提高算法的收敛速度,使用萤火虫算法初始化Q-learning框架下Q值;为平衡算法搜索的随机性和目的性,结合贪婪搜索与玻尔兹曼搜索,设计了混合选择策略,使得算法可以动态选择搜索策略,并通过仿真实验验证所提算法的有效性.仿真实验结果表明所提算法在计算时间和路径平滑度等指标上优于Q-learning算法和Sarsa算法.
文献关键词：
路径规划;改进的Q-learning;强化学习;移动机器人
中图分类号：
作者姓名：
王付宇;张康;谢昊轩;陈梦凯
作者机构：
安徽工业大学 管理科学与工程学院,安徽 马鞍山 243032;复杂系统多学科管理与控制安徽普通高校重点实验室(安徽工业大学),安徽 马鞍山 243002
文献出处：
引用格式：
[1]王付宇;张康;谢昊轩;陈梦凯-.基于改进Q-learning算法的移动机器人路径优化)[J].系统工程,2022(04):100-109
A类：
B类：
learning,路径优化,复杂环境,下移,移动机器人路径规划,规划问题,萤火虫算法,求解算法,收敛速度,初始化,随机性,目的性,贪婪搜索,玻尔兹曼,混合选择,选择策略,动态选择,搜索策略,计算时间,路径平滑,Sarsa,强化学习
AB值：
0.399601
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。
