模糊神经网络下基于强化学习的自主式地面车辆路径规划研究

摘要：

通过引入一种启发式学习算法,部分改进了MAXQ递阶强化学习方法,并结合模糊神经网络开发了一种自主式地面车辆(ALV)全局路径规划Agent.该智能Agent充分融合了人类操作经验和机器学习能力,为强化学习明确了搜索方向,缩减了计算量,具有较强的自适应能力,满足了系统的实时性要求.仿真结果表明:在庞大状态空间和动态变化环境中,全局路径规划Agent能够有效、实时地进行最优行为的策略学习.

关键词：模糊神经网络、Agent、强化学习、路径规划、自主式地面车辆

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点基础研究发展规划973计划2007CB714701

在线出版日期：2010-01-08（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：2536-2541