基于改进Q-learning算法移动机器人局部路径研究
方文凯1
廖志高2
1.广西科技大学经济与管理学院 柳州 5450062.广西科技大学经济与管理学院 柳州 545006;广西工业高质量发展研究中心(广西科技大学) 柳州 545006
摘要：针对局部路径规划时因无法提前获取环境信息导致移动机器人搜索不到合适的路径,以及在采用马尔可夫决策过程中传统强化学习算法应用于局部路径规划时存在着学习效率低下及收敛速度较慢等问题,提出一种改进的Q-learn-ing(QL)算法.首先设计一种动态自适应贪婪策略,用于平衡移动机器人对环境探索和利用之间的问题;其次根据A*算法思想设计启发式学习评估模型,从而动态调整学习因子并为搜索路径提供导向作用;最后引入三阶贝塞尔曲线规划对路径进行平滑处理.通过Pycharm平台仿真结果表明,使得改进后的QL算法所规划的路径长度、搜索效率及路径平滑性等特性上都优于传统Sarsa算法及QL算法,比传统Sarsa算法迭代次数提高32.3%,搜索时间缩短27.08%,比传统QL算法迭代次数提高27.32%,搜索时间缩短17.28%,路径规划的拐点大幅度减少,局部路径优化效果较为明显.
关键词：移动机器人Q-learning算法局部路径A*算法贝塞尔曲线
分类号：TP242.6(自动化技术及设备)
资助基金：国家自然科学基金(71771157)广西自动检测技术与仪器重点实验室开放基金项目(YQ20208)广西汽车零部件与整车技术重点实验室自主研究课题(2020GKLACVTZZ01)
论文发表日期：2024-05-20
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：6( 1265-1269,1274 )
英文信息