強(qiáng)化學(xué)習(xí)在機(jī)械手路徑規(guī)劃中的應(yīng)用.pdf

1、兩手臂機(jī)械手作為一種特殊的機(jī)器人，由于它的兩個(gè)手臂緊密連接，它們之間具有很強(qiáng)的關(guān)聯(lián)性，在機(jī)械手從一點(diǎn)到另一點(diǎn)的移動(dòng)過(guò)程中，各個(gè)手臂不能像一般的機(jī)器人一樣視為一個(gè)點(diǎn)或圓，而只能簡(jiǎn)化為幾條互連的線段，這樣各個(gè)手臂的路徑規(guī)劃就成為一個(gè)有待盡快解決的問題。本文提出了一種基于強(qiáng)化學(xué)習(xí)理論的機(jī)械手路徑規(guī)劃方法，解決了具有兩個(gè)手臂的機(jī)械手在二維平面系統(tǒng)中的路徑規(guī)劃問題，仿真實(shí)驗(yàn)證實(shí)了這一方法的有效性。 強(qiáng)化學(xué)習(xí)通過(guò)試錯(cuò)和與環(huán)境交互獲得策略的改

2、進(jìn)，作為一種無(wú)監(jiān)督學(xué)習(xí)方法，它直接從環(huán)境反饋中進(jìn)行學(xué)習(xí)，這種特點(diǎn)使它能夠適應(yīng)變化的環(huán)境。其自學(xué)習(xí)和在線學(xué)習(xí)的特點(diǎn)使其成為機(jī)器學(xué)習(xí)研究的一個(gè)重要分支。不同于有導(dǎo)師學(xué)習(xí)，它不需要給出輸入—輸出對(duì)，只是利用環(huán)境的懲獎(jiǎng)信號(hào)來(lái)改善自己的行為。 本文首先介紹了強(qiáng)化學(xué)習(xí)的原理和結(jié)構(gòu)，引入了強(qiáng)化學(xué)習(xí)的理論模型—馬爾可夫決策過(guò)程，給出了常用的強(qiáng)化學(xué)習(xí)算法的流程，然后在此基礎(chǔ)上介紹了多智能體強(qiáng)化學(xué)習(xí)理論的數(shù)學(xué)模型—馬爾可夫?qū)Σ?，?duì)基本的多智能體強(qiáng)化