文件名称：移动机器人路径规划强化学习的初始化 (2012年)
文件大小：426KB
文件格式：PDF
更新时间：2024-07-05 19:17:37
工程技术 论文
针对现有机器人路径规划强化学习算法收敛速度慢的问题，提出了一种基于人工势能场的移动机器人强化学习初始化方法．将机器人工作环境虚拟化为一个人工势能场，利用先验知识确定场中每点的势能值，它代表最优策略可获得的最大累积回报．例如障碍物区域势能值为零，目标点的势能值为全局最大．然后定义Q初始值为当前点的立即回报加上后继点的最大折算累积回报．改进算法通过Q值初始化，使得学习过程收敛速度更快，收敛过程更稳定．最后利用机器人在栅格地图中的路径对所提出的改进算法进行验证，结果表明该方法提高了初始阶段的学习效率，改善了算法