基于RBFNN的强化学习在机器人导航中的应用

• 作者: 刘淑华 吴洪岩 张嵛
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: Q学习 RBF神经网络 机器人自主导航
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 185-190
• 页数: 6页
• 分类号: TP242
• 字数: 4227字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2009.02.014

摘要

在复杂连续环境下,强化学习系统的状态空间面临维数灾难问题,需要采取量化的方法,降低输入空间的复杂度.径向基神经网络(RBFNN:Radial Basis Function Neural Networks)具有较强的函数逼近能力及泛化能力,由此提出了基于径向基神经网络的Q学习方法,并将其应用于单机器人的自主导航.在基于径向基神经网络的强化学习系统中,用径向基神经网络逼近状态空间和Q函数,使学习系统具有良好的泛化能力.仿真结果表明,该导航方法具有较强的避碰能力,提高了机器人对环境的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘淑华	东北师范大学计算机学院	19	166	8.0	12.0
2	吴洪岩	东北师范大学计算机学院	3	29	2.0	3.0
3	张嵛	东北师范大学计算机学院	4	98	3.0	4.0