基于強(qiáng)化學(xué)習(xí)的自主移動(dòng)機(jī)器人導(dǎo)航研究.pdf

1、未知環(huán)境下移動(dòng)機(jī)器人缺少先驗(yàn)知識(shí)，移動(dòng)機(jī)器人自主學(xué)習(xí)以提高對(duì)環(huán)境的適應(yīng)能力，是實(shí)現(xiàn)移動(dòng)機(jī)器人在未知、復(fù)雜環(huán)境中成功應(yīng)用的關(guān)鍵。反應(yīng)式導(dǎo)航是提高移動(dòng)機(jī)器人在未知環(huán)境下實(shí)時(shí)性和適應(yīng)性的重要手段。近年來(lái)，在諸多反應(yīng)式導(dǎo)航方法中，強(qiáng)化學(xué)習(xí)由于無(wú)需監(jiān)督和先驗(yàn)知識(shí)、自學(xué)習(xí)和在線學(xué)習(xí)的特點(diǎn)使其具有在未知環(huán)境下導(dǎo)航的優(yōu)越性。 1.針對(duì)標(biāo)準(zhǔn)強(qiáng)化學(xué)習(xí)速度較慢，提出基于Q學(xué)習(xí)和粗糙集的自主導(dǎo)航方法。通過(guò)強(qiáng)化學(xué)習(xí)，機(jī)器人能夠?qū)崿F(xiàn)未知環(huán)境下的自主導(dǎo)航。由

2、于機(jī)器人導(dǎo)航的知識(shí)具有不完備性，而粗糙集是處理不完備性的一種有效的數(shù)學(xué)工具。本文首先利用粗糙集理論處理機(jī)器人的初始導(dǎo)航知識(shí)，簡(jiǎn)化導(dǎo)航系統(tǒng)的復(fù)雜性。然后將它與Q學(xué)習(xí)結(jié)合，加快了機(jī)器人學(xué)習(xí)的速度，從而提高了導(dǎo)航系統(tǒng)的避碰能力。 2.由于在復(fù)雜連續(xù)環(huán)境下，強(qiáng)化學(xué)習(xí)系統(tǒng)面臨“維數(shù)災(zāi)難”問(wèn)題，需要采取量化的方法，降低輸入空間的復(fù)雜度，而徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）具有較強(qiáng)的函數(shù)逼近能力及泛化能力，由此提出了基于RBF神經(jīng)網(wǎng)絡(luò)的Q學(xué)習(xí)方法并