基于人工勢(shì)場(chǎng)的激勵(lì)學(xué)習(xí)問(wèn)題研究.pdf

1、激勵(lì)學(xué)習(xí)因具有較強(qiáng)的在線自適應(yīng)性和對(duì)復(fù)雜系統(tǒng)的自學(xué)習(xí)能力，備受機(jī)器人導(dǎo)航研究者的關(guān)注。但其在連續(xù)狀態(tài)和動(dòng)作空間的泛化，局部環(huán)境的反應(yīng)式控制，大狀態(tài)空間和部分可觀測(cè)環(huán)境定性導(dǎo)航等都存在著亟待解決的問(wèn)題，且用傳統(tǒng)的算法很難滿意地解決這些問(wèn)題。本文利用人工勢(shì)場(chǎng)和激勵(lì)學(xué)習(xí)的優(yōu)點(diǎn)針對(duì)機(jī)器人在較大狀態(tài)空間和部分可觀測(cè)環(huán)境下的導(dǎo)航問(wèn)題進(jìn)行了研究。 本文首先對(duì)激勵(lì)學(xué)習(xí)研究現(xiàn)狀，課題研究的背景和現(xiàn)實(shí)意義進(jìn)行了綜述性介紹，并分析了當(dāng)前激勵(lì)學(xué)習(xí)中兩種

2、比較成熟的方法，瞬時(shí)差分法和Q學(xué)習(xí)方法。 其次，研究了人工勢(shì)場(chǎng)中斥力勢(shì)函數(shù)和引力勢(shì)函數(shù)的選取，人工勢(shì)場(chǎng)法的優(yōu)缺點(diǎn)。然后重點(diǎn)研究了如何將激勵(lì)學(xué)習(xí)模型轉(zhuǎn)換成人工勢(shì)場(chǎng)模型，即利用激勵(lì)學(xué)習(xí)和人工勢(shì)場(chǎng)的優(yōu)點(diǎn)應(yīng)用虛擬水流法如何構(gòu)建一個(gè)具有記憶學(xué)習(xí)功能的激勵(lì)勢(shì)場(chǎng)模型。 最后，用三個(gè)著名的網(wǎng)格世界問(wèn)題對(duì)激勵(lì)勢(shì)場(chǎng)模型進(jìn)行了測(cè)試，同時(shí)在較大狀態(tài)空間中用Q學(xué)習(xí)和HQ學(xué)習(xí)等方法做了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：對(duì)較大狀態(tài)空間和部分可觀測(cè)環(huán)境新方法都能