基于RPkNN-Sarsa(λ)强化学习的机器人路径规划方法

• 作者: 伍晓利 江虹 王军红 黄玉清
• 来源期刊: 计算机应用研究
• 关键词: 路径规划 强化学习 随机扰动 传感器探测信息不确定性
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 系统应用开发
• 页码范围: 199-201
• 页数: 3页
• 分类号: TP242
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.01.051

摘要

基于kNN-Sarsa(λ)强化学习的机器人路径规划方法虽然收敛速度快,但该算法容易陷入局部最优值,且未考虑环境信息的不完全可观测性.为此,设计了一种随机扰动(random perturbation) kNN-Sarsa(λ)强化学习算法,利用Bayesian规则对传感器探测信息的不确定性进行了处理,建立了基于栅格地图的仿真环境模型.仿真实验结果表明,该方法不仅收敛性好,能有效缓解kNN-Sarsa(λ)算法易陷入局部最优的现象,且在传感器探测信息不确定的情况下仍能搜索到最优路径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江虹	西南科技大学信息工程学院	82	268	8.0	11.0
2	黄玉清	西南科技大学信息工程学院	109	732	14.0	20.0
3	伍晓利	中国工程物理研究院核物理与化学研究所	10	29	3.0	4.0
4	王军红	西南科技大学信息工程学院	2	13	2.0	2.0