标题:移动机器人路径规划强化学习的初始化
作者:宋勇;李贻斌;李彩虹
作者机构:[宋勇] 山东大学控制科学与工程学院, 济南, 山东 250061, 中国.;[李贻斌] 山东大学控制科学与工程学院, 济南, 山东 250061, 中国.;[李彩虹] 山东理工大学计算机科 更多
通讯作者:Li, YB(liyb@sdu.edu.cn)
通讯作者地址:[Li, Y.-B] School of Control Science and Engineering, Shandong University, Jinan Shandong 250061, China;
来源:控制理论与应用
出版年:2012
卷:29
期:12
页码:1623-1628
关键词:移动机器人; 强化学习; 人工势能场; 路径规划; Q值初始化
摘要: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,改善了算法性能.
收录类别:EI;CSCD;SCOPUS
Scopus被引频次:2
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-84874466905&partnerID=40&md5=bf3f846ec8eef94db3389e1d72654d94
TOP