基于模擬退火-Q學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)研究.pdf

1、在各項(xiàng)技術(shù)研究中，導(dǎo)航技術(shù)是實(shí)現(xiàn)移動(dòng)機(jī)器人智能化和自主性的一項(xiàng)關(guān)鍵技術(shù)，也是目前的研究熱點(diǎn)之一。而路徑規(guī)劃是導(dǎo)航技術(shù)中的基本問題，因此，研究移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)，提高移動(dòng)機(jī)器人對(duì)未知環(huán)境適應(yīng)性，對(duì)實(shí)現(xiàn)移動(dòng)機(jī)器人智能性和自主性具有重要意義。 本文在分析了移動(dòng)機(jī)器人路徑規(guī)劃方法的基礎(chǔ)上，對(duì)強(qiáng)化學(xué)習(xí)中的Q學(xué)習(xí)算法進(jìn)行重點(diǎn)研究。針對(duì)基于強(qiáng)化學(xué)習(xí)的路徑規(guī)劃在獎(jiǎng)賞函數(shù)設(shè)計(jì)、探索與利用的平衡、連續(xù)狀態(tài)和動(dòng)作空間的泛化等方面存在的問題，設(shè)計(jì)了

2、相應(yīng)的解決方案，提出了未知環(huán)境下移動(dòng)機(jī)器人路徑規(guī)劃算法。 針對(duì)獎(jiǎng)賞函數(shù)影響收斂速度的問題和探索與利用的平衡問題，提出了基于行為分解獎(jiǎng)賞函數(shù)的模擬退火-Q學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃算法。為了降低獎(jiǎng)賞函數(shù)對(duì)收斂速度的影響，設(shè)計(jì)了基于行為分解非均勻結(jié)構(gòu)的獎(jiǎng)賞函數(shù)；同時(shí)，為了解決探索與利用的平衡問題，采用模擬退火（Simulated Annealing，SA）方法進(jìn)行動(dòng)作選擇。仿真實(shí)驗(yàn)表明，該算法提高了收斂速度，有效解決了探索與利用的平衡

3、問題，使移動(dòng)機(jī)器人找到了較優(yōu)路徑。 為了提高SA-Q學(xué)習(xí)的收斂速度和基于動(dòng)態(tài)規(guī)劃的Q學(xué)習(xí)性能，提出了一種基于動(dòng)態(tài)規(guī)劃的SA-Q學(xué)習(xí)算法。通過動(dòng)態(tài)規(guī)劃對(duì)值函數(shù)進(jìn)行逆序更新，加快收斂速度；采用模擬退火動(dòng)作選擇策略，提高算法性能。仿真結(jié)果表明，該算法具有更快的收斂速度和更高的性能，并且移動(dòng)機(jī)器人能夠找到一條無碰撞的路徑。 針對(duì)復(fù)雜未知環(huán)境中連續(xù)狀態(tài)和動(dòng)作空間的泛化問題，提出了基于模糊推理的SA-Q學(xué)習(xí)移動(dòng)機(jī)器人路徑規(guī)劃算法。模