引入势场及陷阱搜索的强化学习路径规划算法

• 作者: 张志安 朱朔 梅新虎 董培方
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 路径规划 强化学习 人工势场 陷阱搜索 Q值初始化
• 年，卷（期）: 2018,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 129-134
• 页数: 6页
• 分类号: TP242
• 字数: 5169字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1704-0427

摘要

移动机器人在复杂环境中移动难以得到较优的路径,基于马尔可夫过程的Q学习(Q-learning)算法能通过试错学习取得较优的路径,但这种方法收敛速度慢,迭代次数多,且试错方式无法应用于真实的环境中.在Q-learning算法中加入引力势场作为初始环境先验信息,在其基础上对环境进行陷阱区域逐层搜索,剔除凹形陷阱区域Q值迭代,加快了路径规划的收敛速度.同时取消对障碍物的试错学习,使算法在初始状态就能有效避开障碍物,适用于真实环境中直接学习.利用python及pygame模块建立复杂地图,验证加入初始引力势场和陷阱搜索的改进Q-learning算法路径规划效果.仿真实验表明,改进算法能在较少的迭代次数后,快速有效地到达目标位置,且路径较优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志安	南京理工大学机械工程学院	34	151	8.0	11.0
2	朱朔	南京理工大学机械工程学院	3	17	2.0	3.0
3	董培方	南京理工大学机械工程学院	3	15	1.0	3.0
4	梅新虎	南京理工大学计算机科学与技术学院	2	15	1.0	2.0