原文传递
基于改进Q-learning算法的移动机器人路径优化
| 题名： | 基于改进Q-learning算法的移动机器人路径优化 |
| 正文语种： | 中文 |
| 作者： | 王付宇;张康;谢昊轩;陈梦凯 |
| 作者单位： | 安徽工业大学管理科学与工程学院;复杂系统多学科管理与控制安徽普通高校重点实验室 |
| 关键词： | 路径规划;改进的Q-Iearning;强化学习;移动机器人 |
| 摘要： | 针对多障碍复杂环境下移动机器人路径规划问题，提出了一种基于萤火虫算法的Q-learning算法。在求解算法中，为提高算法的收敛速度，使用萤火虫算法初始化Q-Iearning框架下Q值；为平衡算法搜索的随机性和目的性，结合贪婪搜索与玻尔兹曼搜索，设计了混合选择策略，使得算法可以动态选择搜索策略，并通过仿真实验验证所提算法的有效性。仿真实验结果表明所提算法在计算时间和路径平滑度等指标上优于Q-Iearning算法和Sarsa算法。 |
| 期刊名称： | 系统工程 |
| 出版年： | 2022 |
| 期： | 04 |
| 页码： | 100-109 |
检索历史
应用推荐
