基于多层注意力机制—柔性AC算法的机器人路径规划

• 作者: 任海菁 刘凤凯 吴淞玮 蒋欣欣 韩金亮
• 来源期刊: 计算机应用研究
• 关键词: 行动者—评论家算法 注意力机制 深度强化学习 机器人路径规划
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3650-3655
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.09.0529

摘要

针对行动者—评论家算法存在的经验学习样本维度高、策略梯度模型鲁棒性低等问题,依据多代理系统的信息协作优势,构建注意力机制网络并作为代理体,引入多层并行注意力机制网络模型对AC算法进行改进,提出一种基于多层并行注意力机制的柔性AC算法.将其用于解决动态未知环境下的机器人路径规划问题,可增强行动者的策略梯度鲁棒性并降低评论家的回归误差,实现机器人路径规划最优方案的快速收敛.实验结果表明,该算法有效克服机器人路径规划的局部最优,具有计算速度快、稳定收敛的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩金亮		4	0	0.0	0.0
2	任海菁		1	0	0.0	0.0
3	吴淞玮		1	0	0.0	0.0
4	蒋欣欣		2	0	0.0	0.0
5	刘凤凯		1	0	0.0	0.0