基于改进强化学习算法的移动机器人路径规划研究

摘要

针对强化学习中的标准Q-learning算法应用在路径规划中存在的计算效率低的问题,提出一种改进Q-learning算法。改进后的Q-learning算法在原来标准Q-learning算法的基础上增加了一层深度学习层并且在算法初始化的过程中加入了关于环境的先验知识作为启发信息,从而避免了学习前期探索的盲目性,有效地提高了算法计算效率。通过与标准Q-learning算法、增加深度学习层的Q-learning算法、引入人工引力场的Q-learning算法、深度双Q网络相比较,改进后的Q-learning算法在小维度的环境下具有更高的计算效率。