首页> 中文会议>第二十四届中国控制会议 >基于Q强化学习与CMAC的移动机器人局部路径规划

基于Q强化学习与CMAC的移动机器人局部路径规划

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文将Q强化学习算法应用于移动机器人局部路径规划,解决了移动机器人在复杂环境中的局部路径规划问题.采用基于信任分配的CMAC神经网络实现了该算法,显著提高了传统CMAC在线学习的速度与准确性.仿真实验证明:该强化学习算法不仅能够适应复杂的环境,而且具有较强的自学习能力.

著录项

来源
《第二十四届中国控制会议》|2005年|1494-1496|共3页
会议地点广州
作者
王仲民; 天津工程师范学院; 岳宏;
展开▼
作者单位

中国自动化学会;

展开▼
会议组织
正文语种
原文格式 PDF
中图分类机器人;
关键词
移动机器人; 局部路径规划; Q强化学习; 信任分配; CMAC;
入库时间 2022-08-17 11:18:41

相似文献

中文文献
外文文献
专利

1. 基于深度强化学习和动态窗口法的移动机器人路径规划 [J] . 王鹏凯 ,梁中华 ,杨阔 . 计算机与数字工程 . 2021,第010期
2. 基于强化学习的移动机器人路径规划研究综述 [J] . 刘志荣 ,姜树海 . 制造业自动化 . 2019,第003期
3. 基于深度强化学习的移动机器人路径规划 [J] . DONG Yao ,GE Yingying ,GUO Hongyong . 计算机工程与应用 . 2019,第013期
4. 基于改进强化学习的移动机器人路径规划方法 [J] . 徐晓苏 ,袁杰 . 中国惯性技术学报 . 2019,第003期
5. 未知环境中基于强化学习的移动机器人路径规划 [J] . 梁泉 . 机电工程 . 2012,第004期
6. 基于模糊控制算法的移动机器人局部路径规划 [C] . . 第19届中国过程控制会议 . 2008
7. 基于强化学习的移动机器人局部路径规划算法研究 [A] . 宋莉 . 2019

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号