监督式强化学习在路径规划中的应用研究

• 作者: 曾纪钧 梁哲恒
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 监督式强化学习 路径规划
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 185-188,244
• 页数: 5页
• 分类号: TP301.6
• 字数: 2960字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.10.033

摘要

机器学习分为监督式学习、非监督式学习和强化学习.由于强化学习在学习收敛方面速度较慢,难以在实际控制系统中大规模应用.为解决以上问题,提出一种基于标称控制的监督式强化学习算法,并将其用于机器人的路径规划当中.在训练初始阶段引入导师的先验知识,以增加系统的学习效果,同时逐步弱化导师的监督指导作用,发挥强化学习探索优化的优势,让机器人尽快找到最优路径.针对机器人的路径规划问题,提出其监督式学习算法,进行实验对比分析.结果 显示,监督式强化学习能有效降低系统的训练次数,提高机器人路径规划的智能化水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾纪钧	广东电网有限责任公司信息中心	3	6	2.0	2.0
2	梁哲恒	中国南方电网公司信息化评测重点实验室	2	40	2.0	2.0