10.13695/j.cnki.12-1222/o3.2019.03.006
基于改进强化学习的移动机器人路径规划方法
随着移动机器人在各领域的应用与发展,对移动机器人路径规划能力提出了更高的要求.为了解决现有移动机器人利用强化学习方法进行路径规划时存在的收敛速度慢和规划出路径平滑度较差的问题,提出了一种改进的Q-learning算法.首先,在Q值初始化的过程中引入人工势场法中的引力势场,以加快收敛速度.然后,调整移动机器人动作方向,增加动作步长,并在状态集中增加了方向因素,以提高规划路线的精度.最后,在栅格地图中,对所提出的算法进行了仿真验证.仿真结果表明,改进后的算法较传统的Q-learning算法在路径规划的时间上减少了91%,并且规划出路径的平滑度提高了79%.
路径规划、强化学习、人工势场、移动机器人、Q-learning算法
27
TP242(自动化技术及设备)
国家自然科学基金项目51775110
2019-08-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
314-320