基于深度Q学习的移动机器人路径规划

• 作者: 刘志荣 史晨辉 姜树海 袁雯雯
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: Q-learning 深度Q学习 移动机器人 路径规划
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 机器人技术与应用
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP242
• 字数: 3881字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.00.002

摘要

针对传统Q-learning算法在复杂环境下移动机器人路径规划问题中容易产生维数灾难的问题,提出一种改进方法.该方法将深度学习融于Q-learning框架中,以网络输出代替Q值表,解决维数灾难问题.通过构建记忆回放矩阵和双层网络结构打断数据相关性,提高算法收敛性.最后,通过栅格法建立仿真环境建模,在不同复杂程度上的地图上进行仿真实验,对比实验验证了传统Q-learning难以在大状态空间下进行路径规划,深度强化学习能够在复杂状态环境下进行良好的路径规划.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜树海	南京林业大学机械电子工程学院	32	442	8.0	20.0
5	袁雯雯	南京林业大学机械电子工程学院	3	15	2.0	3.0
9	史晨辉	南京林业大学机械电子工程学院	2	8	1.0	2.0
13	刘志荣	南京林业大学机械电子工程学院	2	12	2.0	2.0