基于改進Q-學習的導航知識獲取算法研究.pdf

1、本文在分析了移動機器人導航控制的基礎上，根據(jù)反應式導航與強化學習模型的相似性，將強化學習應用到智能導航上，重點研究了基于Q-學習的導航知識獲取算法。 研究了強化學習的時間差分算法、自適應啟發(fā)評價算法、Q-學習算法等主要算法。分析了強化學習中主要存在的探索利用之間的平衡問題、連續(xù)狀態(tài)動作空間問題、信度分配問題以及不完整信息等問題，并給出了解決這些問題一些方法。文中還對分布式強化學習作了簡要的介紹，其中包括分布式強化學習的主要算法和存在

2、的主要問題及問題的主要解決方法。 基本Q-學習算法總是利用當前最優(yōu)策略進行動作的選取，這樣容易陷入局部最優(yōu)。本文分析了解決此問題的一些方法，但是這些方法存在盲目探索及找到最優(yōu)路徑后的重復學習。對此，在基于模擬退火強化學習基礎上提出了基于探索區(qū)域擴張的Q-學習，加入原地探索策略，提高了找到目標的效率；引入了探索區(qū)域擴張策略，避免了初始時在整個環(huán)境中加入探索的盲目性，提高了學習效率；加入算法的自主學習結束條件，避免了找到最優(yōu)路徑后的