融合人工勢場的Q＿learning算法移動機器人路徑規(guī)劃

摘要： 傳統(tǒng)的Q＿learning算法在路徑規(guī)劃中存在收斂速度慢和容易陷入局部最優(yōu)解等問題，為此，提出一種融合人工勢場法和Q＿learning算法的路徑規(guī)劃算法。通過引入勢場值來優(yōu)化選擇狀態(tài)時的獎勵值，在柵格地圖中構(gòu)建虛擬勢場，并在初始化Q值函數(shù)時引入人工勢場的引力函數(shù)，在更新Q值函數(shù)時引入斥力函數(shù)。最后，通過仿真模擬實驗對比了傳統(tǒng)算法和改進后算法的性能。實驗結(jié)果表明：改進后的算法收斂... （共6頁）

路徑規(guī)劃人工勢場法Q＿learning獎勵值