基于深度Q值网络的自动小车控制方法

• 作者: 何军 朱舜 王立群 韩笑
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 自动小车控制 强化学习 神经网络
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 智能化仪器及其应用
• 页码范围: 226-229
• 页数: 4页
• 分类号: TP242.6
• 字数: 3501字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-7300.2017.11.049

摘要

随着计算机技术和人工智能的飞速发展,无人驾驶车辆成为了一个新的热点.提出了一种自动小车的验证模型来模拟无入车,并验证了深度Q值网络(deep Q network,DQN)算法对自动小车的控制.该算法使用了强化学习和神经网络技术,能够在缺乏先验知识的情况下,根据获取的传感器信息训练神经网络,然后做出正确的决策,实现对车辆的控制,达到躲避障碍物的效果.此外,通过在模拟环境下的实验验证了DQN算法对自动小车的控制效果.实验结果表明,经过一定时间的训练,DQN算法可以有效的控制自动小车.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何军	南京信息工程大学电子与信息工程学院	24	185	9.0	13.0
2	韩笑	南京信息工程大学电子与信息工程学院	3	8	2.0	2.0
3	朱舜	南京信息工程大学电子与信息工程学院	3	6	1.0	2.0
4	王立群	南京信息工程大学电子与信息工程学院	3	6	1.0	2.0