- 1、本文档共10页,其中可免费阅读9页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种引入人工势场的强化学习路径规划方法,包括以下步骤:S1、建立格栅地图,引入引力场函数初始化状态值,获得用于训练强化学习智能体的仿真环境;S2、初始化算法参数;S3、采用动态因子调整策略选择动作;S4、执行动作,更新Q值;S5、重复执行第三步、第四步,直到达到一定步数或一定收敛条件为止;S6、每一步选择Q值最大的动作,得出最优路径;S7、把最优路径发送给移动机器人的控制器,控制移动机器人按照最优路径行走。本发明中改进的Q‑learning算法相较于传统算法在路径规划时间上缩短85.
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112344944 B
(45)授权公告日 2022.08.05
(21)申请号 202011327198.6 CN 102799179 A,2012.11.28
(22)申请日 20
文档评论(0)