基于增強(qiáng)學(xué)習(xí)和ART2神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人路徑規(guī)劃研究.pdf

1、本文在增強(qiáng)學(xué)習(xí)和ART2神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，研究了移動(dòng)機(jī)器人路徑規(guī)劃問(wèn)題，并重點(diǎn)分析了路徑規(guī)劃中的避碰撞問(wèn)題。 本文主要的工作和創(chuàng)新點(diǎn)有以下三個(gè)方面：(1)首先針對(duì)增強(qiáng)學(xué)習(xí)中的策略問(wèn)題，提出了一種漸進(jìn)式Soft-Max行為選擇策略；即在學(xué)習(xí)初始時(shí)，因?yàn)閷?duì)行為掌握的經(jīng)驗(yàn)知識(shí)不夠，學(xué)習(xí)主要通過(guò)探索以得到行為的經(jīng)驗(yàn)知識(shí)；在學(xué)習(xí)的后期則因積累了足夠多的經(jīng)驗(yàn)知識(shí)，可以更好地利用行為，同時(shí)也可以通過(guò)某種突變以達(dá)到加快或減慢學(xué)習(xí)速度的目的。其次

2、針對(duì)連續(xù)性任務(wù)，提出了一種連續(xù)任務(wù)On-Policy增強(qiáng)學(xué)習(xí)方法S-Learning以及基于最先策略的增強(qiáng)學(xué)習(xí)方法FPRL(Foremost-PolicyReinforcementLearning)，并在仿真實(shí)驗(yàn)中與傳統(tǒng)的Q-Learning方法進(jìn)行對(duì)比，以說(shuō)明這兩種增強(qiáng)學(xué)習(xí)方法的可行性。 (2)為了解決增強(qiáng)學(xué)習(xí)中傳統(tǒng)的策略查詢表(lookup-table)不適合存儲(chǔ)大量的狀態(tài)值和行為值的問(wèn)題，本文采用ART2神經(jīng)網(wǎng)絡(luò)存儲(chǔ)大量的

3、狀態(tài)空間和分類模式。面對(duì)大量的分類模式，手工評(píng)估和選擇分類模式是非常困難的，為此本文在ART2神經(jīng)網(wǎng)絡(luò)中引入增強(qiáng)學(xué)習(xí)評(píng)估和選擇機(jī)制，結(jié)合成RL-ART2(ReinforcementLearningbasedART2NeuralNetwork)神經(jīng)網(wǎng)絡(luò)，成功地解決了如何評(píng)估和選擇己存儲(chǔ)在ART2中的分類模式的問(wèn)題。 (3)提出了基于RL-ART2神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人多障礙物避碰撞系統(tǒng)RLART2-CAS(RLART2-Collis