基于Q(λ)-learning的移动机器人路径规划改进探索方法

• 作者: 张平陆 王健 赵亚川 赵忠英
• 来源期刊: 自动化与仪表
• 关键词: 路径规划 强化学习 Q(λ)学习算法 移动机器人 搜索策略
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能与机器人
• 页码范围: 39-41,67
• 页数: 4页
• 分类号: TP24|TP18
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2019.11.010

摘要

强化学习算法广泛的应用于路径规划,使移动机器人能够与环境交互并实现自主避障、获取最优路径.传统Q(λ)-leaming算法所采用的探索策略存在探索利用平衡问题,由于收敛过早,往往得不到最优解.本文提出一种动态调整探索因子的探索方法,以探索成功率判断机器人对环境的熟悉程度,指导探索过程,从而找到最优路径;采用栅格法建立地图.通过仿真和对比试验证明了该方法可以得到全局最优策略.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张平陆	沈阳科技学院机械与交通工程系	2	1	1.0	1.0