基于Q學習的移動機器人路徑規(guī)劃研究.pdf

1、在機器人學以及智能控制領域中，靜態(tài)未知環(huán)境中移動機器人的路徑規(guī)劃理論與技術是一個研究熱點，越來越多的應用需求也對移動機器人技術的研究提出了新的挑戰(zhàn)。強化學習作為一種具有很強在線自適應性的學習方法，為提高移動機器人的自主性和智能性提供了一個研究方向，在移動機器人路徑規(guī)劃領域得到了廣泛的關注。
　　首先分析了移動機器人路徑規(guī)劃的方法，介紹了強化學習的相關理論，針對基于強化學習的移動機器人路徑規(guī)劃在連續(xù)狀態(tài)空間和動作空間的泛化問題、探索

2、與利用平衡的問題以及獎懲函數(shù)設計上的問題，設計了相應的解決方案，并提出了在靜態(tài)未知環(huán)境中移動機器人的路徑規(guī)劃方法。
　　針對靜態(tài)未知環(huán)境中連續(xù)狀態(tài)空間和動作空問的泛化問題，引入了模糊推理系統(tǒng);為了解決探索與利用的平衡問題，采用模擬退火動作選擇策略，在此基礎上，將模糊推理和模擬退火與Q學習相結合，提出了基于模糊推理和模擬退火的Q學習算法，并在應用于移動機器人的路徑規(guī)劃上。同時，針對一般獎懲函數(shù)對具體環(huán)境和路徑規(guī)劃描述不準確從而導致學