深度强化学习在路径规划中的应用研究被引量：1

下载PDF

导出

摘要传统路径规划依赖地图信息和算法效率,本文提出将深度Q学习算法应用到机器人路径规划任务中,通过仿真实验证明,深度强化学习比传统的路径规划算法TEB的实时运算效率高,且不依赖于地图信息。移动机器人路径规划的目的是在给定初始位置和目标位置的基础下,计算一条无碰撞的路径。

作者叶伟杰

机构地区广东工业大学自动化学院

出处《电子世界》 2020年第6期66-67,共2页 Electronics World

关键词深度强化学习路径规划 Q学习算法实时运算算法效率地图信息无碰撞初始位置

同被引文献8

1邢强,陈中,冷钊莹,陆舆,刘艺.基于实时交通信息的电动汽车路径规划和充电导航策略[J].中国电机工程学报,2020,40(2):534-550. 被引量：80
2邵尹池,穆云飞,余晓丹,董晓红,贾宏杰,吴建中,曾沅.“车–路–网”模式下电动汽车充电负荷时空预测及其对配电网潮流的影响[J].中国电机工程学报,2017,37(18):5207-5219. 被引量：141
3张浩昱,熊凯.改进深度确定性策略梯度算法及其在控制中的应用[J].计算机科学,2019,46(B06):555-557. 被引量：7
4杜明秋,李妍,王标,张艺涵,罗潘,王少荣.电动汽车充电控制的深度增强学习优化方法[J].中国电机工程学报,2019,39(14):4042-4048. 被引量：24
5余伶俐,邵玄雅,龙子威,魏亚东,周开军.智能车辆深度强化学习的模型迁移轨迹规划方法[J].控制理论与应用,2019,36(9):1409-1422. 被引量：25
6张宁,刘晓波,黄少华,陈雄,何智敏.考虑电网–用户多目标的V2G模式研究[J].电力科学与工程,2020,36(4):32-37. 被引量：6
7徐诗鸿,张宏志,石栋,郭旭升,林湘宁,李正天,侯慧,苏舒,随权,汪致洵.面向智慧城市的快充负荷充电服务费制定策略[J].中国电机工程学报,2020,40(10):3187-3200. 被引量：26
8李晋津,孙二鑫,陈宗娟.自动驾驶车辆循迹路径生成算法研究[J].汽车实用技术,2020(18):16-21. 被引量：3

电子世界

2020年第6期

内容加载中请稍等...