搬运系统作业分配问题的小脑模型关节控制器Q学习算法
唐昊1
丁丽洁2
程文娟2
周雷2
1.合肥工业大学计算机与信息学院,安徽,合肥,230009;安全关键工业测控技术教育部工程研究中心,安徽,合肥,2300092.合肥工业大学计算机与信息学院,安徽,合肥,230009
摘要：研究两机器人高速搬运系统的作业分配问题.在系统的Markov决策过程(MDP)模型中,状态变量具有连续取值和离散取值的混杂性,状态空间复杂且存在"维数灾"问题,传统的数值优化难以进行.根据小脑模犁关节控制器(CMAC)具有收敛速度快和适应性强的特点,运用该结构作为Q值函数的逼近器,并与Q学习和性能势概念相结合,给出了一种适用于平均或折扣性能准则的CMAC-Q学习优化算法.仿真结果说明,这种神经元动态规划方法比常规的Q学习算法具有节省存储空间,优化精度高和优化速度快的优势.
关键词：作业分配Markov决策过程Q学习CMAC
分类号：TP202(自动化技术及设备)
资助基金：国家自然科学基金(60404009)安徽省自然科学基金(090412046,070416242)教育部留学回国人员科研启动基金(KJ2007A063,KJ2008A058)
论文发表日期：2009-01-01
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：5( 884-888 )
英文信息