一种基于稠密卷积网络和竞争架构的改进路径规划算法
黄颖
余玉琴
1.上海理工大学光电信息与计算机工程学院 上海 2000932.上海理工大学光电信息与计算机工程学院 上海 200093
摘要：现有的深度Q网络进行路径规划时不仅存在动作状态值高估现象,且无法满足机器人进行实时路径规划的需求.基于此现状,论文提出了一种基于稠密卷积网络和竞争架构的改进路径规划算法.首先,论文提出一种基于稠密卷积网络和竞争架构的改进路径规划网络,它拥有更轻盈的深度强化学习网络.然后,论文用强化学习方法解决路径规划问题,使用双重深度Q网络算法训练该网络,从而近似最优动作状态值函数.最后,在自定义的gridmap环境中进行规划实验.实验结果证明,该算法不仅拥有更少的模型参数、更少的计算时间、更低的训练开支,能提升路径规划的实时性,而且能保证机器人对快速变化的环境具有很强的泛化能力,并能将路径规划成功率平均提高约5%,达到更加卓越的性能.
关键词：深度强化学习路径规划稠密卷积网络竞争网络架构双重深度Q网络
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(61603255)国家自然科学基金(61673276)
论文发表日期：2019-01-01
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( 812-819 )
英文信息