进化强化学习及其在机器人路径跟踪中的应用

摘要：

研究了一种基于自适应启发评价(AHC)强化学习的移动机器人路径跟踪控制方法.AHC的评价单元(ACE)采用多层前向神经网络来实现.将TD(λ)算法和梯度下降法相结合来更新神经网络的权值.AHC的动作选择单元(ASE)由遗传算法优化的模糊推理系统(FIS)构成.ACE网络的输出构成二次强化信号,用于指导ASE的学习.最后将所提出的算法应用于移动机器人的行为学习,较好地解决了机器人的复杂路径跟踪问题.

关键词：强化学习、自适应启发评价、遗传算法、路径跟踪

所属期刊栏目：24

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金60475036

在线出版日期：2009-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：532-536,541