改进Q-Learning算法在路径规划中的应用

• 作者: 刘凯 张宇轩 马天录 高乐
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 路径规划 改进Q-Learning算法 强化学习 栅格法 机器人
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 439-443
• 页数: 5页
• 分类号: TP391
• 字数: 2451字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2018.04.013

摘要

针对Q-Learning算法在离散状态下存在运行效率低、学习速度慢等问题,提出一种改进的Q-Learning算法.改进后的算法在原有算法基础上增加了一层学习过程,对环境进行了深度学习.在栅格环境下进行仿真实验,并成功地应用在多障碍物环境下移动机器人路径规划,结果证明了算法的可行性.改进Q-Learning算法以更快的速度收敛,学习次数明显减少,效率最大可提高20％.同时,该算法框架对解决同类问题具有较强的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘凯	吉林大学仪器科学与电气工程学院	117	685	13.0	21.0
2	张宇轩	吉林大学仪器科学与电气工程学院	5	10	2.0	3.0
3	高乐	吉林大学仪器科学与电气工程学院	12	40	5.0	6.0
4	马天录	吉林大学仪器科学与电气工程学院	3	5	1.0	2.0