基于DQN算法的巡检路径规划方法研究
杨耀军
张前进
王玮
佛山大学机电工程与自动化学院,广东佛山 528225
摘要：传统DQN算法的网络收敛速度较慢,应用于路径规划研究中时难以在较短的训练回合内获取最优路径.提出一种DQN算法的改进方法,首先,分析确定巡检机器人路径规划所需的状态信息,并设置合理的奖励函数,使移动机器人能够通过算法学习得到无碰撞的最短巡检路径;其次,对DQN算法进行改进,减少移动机器人的训练次数,缩短机器学习时间.仿真实验结果显示,改进算法能够在复杂障碍物地图中完成巡检路径规划任务,且显著提高了学习效率.
关键词：巡检机器人强化学习路径规划
分类号：TP242(自动化技术及设备)
论文发表日期：2024-11-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 55-62 )
英文信息