10.3969/j.issn.1006-4303.2010.06.015
基于强化学习的进化神经网络及其在机器人导航中的应用
神经网络的拓扑结构对网络的有效性起着十分重要的作用,网络建模中的主要困难就是如何有效地控制网络模型的结构进化趋势和复杂度.提出一种基于强化学习的进化神经网络(RLEANN),采用强化学习方法对网络进化群体与外界环境交互的效果进行评价,使其无需任何先验知识即可进行学习进化,通过强化信号的约束来控制网络群体的拓扑结构进化趋势.并在移动机器人避障导航仿真实验中证明,采用RL-EANN能使仿真机器人在不确定环境中快速有效地学习避障和接近目标,取得较好的导航效果,实践证明该方法的合理性和有效性.
进化神经网络、强化学习、不确定环境、避障导航
38
TPL8
浙江省自然科学基金资助项目20080376
2011-03-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
655-660