搬运系统作业分配问题的小脑模型关节控制器Q学习算法

• 作者: 丁丽洁 周雷 唐昊 程文娟
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 作业分配 Markov决策过程 Q学习 CMAC
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 短文
• 页码范围: 884-888
• 页数: 5页
• 分类号: TP202
• 字数: 5778字
• 语种: 中文

摘要

研究两机器人高速搬运系统的作业分配问题.在系统的Markov决策过程(MDP)模型中,状态变量具有连续取值和离散取值的混杂性,状态空间复杂且存在"维数灾"问题,传统的数值优化难以进行.根据小脑模犁关节控制器(CMAC)具有收敛速度快和适应性强的特点,运用该结构作为Q值函数的逼近器,并与Q学习和性能势概念相结合,给出了一种适用于平均或折扣性能准则的CMAC-Q学习优化算法.仿真结果说明,这种神经元动态规划方法比常规的Q学习算法具有节省存储空间,优化精度高和优化速度快的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐昊	合肥工业大学计算机与信息学院	45	207	8.0	10.0
3	程文娟	合肥工业大学计算机与信息学院	45	142	6.0	8.0
4	周雷	合肥工业大学计算机与信息学院	22	92	6.0	8.0
7	丁丽洁	合肥工业大学计算机与信息学院	1	11	1.0	1.0