原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ofUrn
24th
Chlnese
Pmceedlnlls OonbolOonference
Guan盘hou．P-疗．C!，l加a
Ju／y：U；-18,2005
基于Q强化学习与CMAC的移动机器人局部路径规划
王仲民1’2，岳 宏1
(1．河北工业大学机器入及自动化研究所，天津300130；
2．天津工程师范学院机械工程系，天津300222)
E-mail：wzmin@eyou．corn
摘要：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。
关键词：移动机器人，局部路径规划，Q强化学习，信任分配，CMAC
Mobile
RobotLocalPath Based
on Reinforcement
Planning Q Learning
andCMAC
Zhongminl’。。Yue
Wang Hon91
rJ．Institute andAutomation，Hebei 300130
ofRobotic UniversityofTechnology，Tia”，in
2．DeptofMechanical University 300222)
Engineering，TianjinofTechnology
andEducation。Tianjin
Abstract：Inthis reinforcement is for
paperQ mobilerobotlocal
learningalgorithmadopted pathplanning．It
makesmobilerobotresolvethe of a
local in CMAC
problem pathplanningcomplexenvironment．Byusing
neural
networkbasedoncredit this is conventionalCMAC’Sonline
assignmentalgorithmimplemented，and
andits are atthesame this
time．Simulation that
learningspeed accuracy prove
improved experiments algorithm
文档评论（0）