2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、救援機器人是當前機器人與多智能體系統(tǒng)研究中的一個新興領域,它涉及機器人學、人工智能、智能控制、計算機視覺等多個領域并且有現(xiàn)實意義。協(xié)作模型系統(tǒng)作為整個救援機器人系統(tǒng)的核心,決定了機器人間的協(xié)調(diào)協(xié)作與運動規(guī)劃,是機器人的“大腦”。因此,協(xié)作模型系統(tǒng)的研究在多機器人、多智能體領域具有十分重要的意義。 本文以救援機器人RoboCupRescue仿真系統(tǒng)為研究對象,針對傳統(tǒng)的協(xié)作模型很難滿足多智能體系統(tǒng)在反應性、適應性、智能性和學習能力

2、等方面的要求,提出一種基于狀態(tài)預測的多智能自協(xié)調(diào)兩層協(xié)作模型。該模型把決策系統(tǒng)分為上下兩層:中央決策層和行為層。 上層中央決策層采用Q學習分別進行狀態(tài)預測和陣型規(guī)劃決策,并針對狀態(tài)預測和陣型規(guī)劃的特點和要求分別對Q學習的結構進行了合理的改進。針對普通Q學習在環(huán)境狀態(tài)復雜的情況下收斂速度較慢的缺點,通過分析RoboCupRescue仿真系統(tǒng)的特性,分別采用世界狀態(tài)屬性精簡的方法和模糊聚類的方法把數(shù)量眾多的系統(tǒng)狀態(tài)轉化為為數(shù)不多的精

3、簡狀態(tài)和模糊狀態(tài),從而大大減少了Q學習的狀態(tài)空間,提高了算法的收斂速度;同時,針對普通Q學習算法易收斂到局部最優(yōu),本文通過分析Q學習算法中三個關鍵參數(shù)(學習率α、折扣因子γ和溫度值T)的作用,提出一種自適應Q學習算法,動態(tài)地調(diào)整這三個參數(shù),從而實現(xiàn)系統(tǒng)全局最優(yōu)動作。 下層行為層,取代傳統(tǒng)的機器人作為上層意圖的簡單執(zhí)行方法或單純的對外部世界做出反應,充分利用移動機器人的行為特性,提出一種行為效用評估算法對上層決策意圖和自身的反應式

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論