基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为解决随机环境下的智能体的路径规划问题,借助强化学习算法的自学习和和自适应的特点,引入Q学习算法处理随机环境下的路径规划问题。实验结果表明,该算法在解决随机环境中路径规划的有效性。
推荐文章
基于多智能体强化学习的多AGV路径规划方法
多智能体强化学习
AGV路径规划
独立强化学习
未知动态环境中基于分层强化学习的移动机器人路径规划
移动机器人
未知动态环境
路径规划
分层强化学习
基于强化学习的爬壁机器人路径规划方法
爬壁机器人
路径规划
强化学习
收敛性
基于RPkNN-Sarsa(λ)强化学习的机器人路径规划方法
路径规划
强化学习
随机扰动
传感器探测信息不确定性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 随机环境中基于强化学习的智能体路径规划
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 强化学习 Q_learning 路径规划 随机环境
年,卷(期) 2015,(11) 所属期刊栏目
研究方向 页码范围 148-149
页数 2页 分类号 TP18
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 潘地林 安徽理工大学计算机科学与工程学院 80 364 10.0 15.0
2 马朋委 安徽理工大学计算机科学与工程学院 3 3 1.0 1.0
3 汪立冬 安徽理工大学计算机科学与工程学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
强化学习
Q_learning
路径规划
随机环境
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导