模糊神经网络下基于强化学习的自主式地面车辆路径规划研究

• 作者: 孟祥印 张卫华 王文玺 肖世德
• 来源期刊: 中国机械工程
• 关键词: 模糊神经网络 Agent 强化学习 路径规划 自主式地面车辆
• 年，卷（期）: 2009,（21）
• 所属期刊栏目: 机械科学
• 页码范围: 2536-2541
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文

摘要

通过引入一种启发式学习算法,部分改进了MAXQ递阶强化学习方法,并结合模糊神经网络开发了一种自主式地面车辆(ALV)全局路径规划Agent.该智能Agent充分融合了人类操作经验和机器学习能力,为强化学习明确了搜索方向,缩减了计算量,具有较强的自适应能力,满足了系统的实时性要求.仿真结果表明:在庞大状态空间和动态变化环境中,全局路径规划Agent能够有效、实时地进行最优行为的策略学习.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张卫华		339	5616	37.0	55.0
2	王文玺		13	140	7.0	11.0
3	肖世德		111	849	13.0	24.0
4	孟祥印		46	248	10.0	12.0