典型文献
多主体机器人路径规划方法研究
文献摘要：
针对现存强化学习算法在输入数据维度较低时寻路用时较长,碰撞率高的问题,提出了一种基于深度强化学习的多主体机器人路径规划方法.该方法引入LSTM(long-short)网络处理不同维度的输入数据,选取NoisyNet-GA3C网络架构,应用A3C的多线程结构在gpu上训练,提高算法的训练速度,加强主体的学习能力.引入NoisyNet,在深度强化学习网络的全连接层添加噪声层,以对参数添加噪声进行训练的方式来增加模型的探索能力.程序模拟结果表明,在输入数据维度较低时,添加噪声后的深度强化学习路径规划相比与现存算法缩短了主体到达目标的时间,并且有效降低了碰撞率.
文献关键词：
深度强化学习;多主体;路径规划;噪声网络
中图分类号：
作者姓名：
祝晨旭;仲志丹;张浩博;乔栋豪
作者机构：
河南科技大学 机电工程学院,洛阳 471003
文献出处：
引用格式：
[1]祝晨旭;仲志丹;张浩博;乔栋豪-.多主体机器人路径规划方法研究)[J].制造业自动化,2022(06):72-74
A类：
NoisyNet,GA3C,gpu
B类：
机器人路径规划,路径规划方法,强化学习算法,输入数据,数据维度,寻路,路用,深度强化学习,long,short,不同维度,网络架构,多线程,训练速度,学习网络,全连接层,探索能力,学习路径,存算,噪声网络
AB值：
0.292156
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。
