.png){kind=icon}
返回
Path Planning in Dynamic Environments Based on Q-Learning
.png){kind=icon}
PRE
AI
DOI：10.54097/hset.v63i.10880.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着科学技术的迅速发展，移动机器人的应用范围不断扩大。动态环境中的路径规划一直是移动机器人面临的挑战性任务，这在医疗领域和军事领域具有显著影响。Q-learning是一种无模型的强化学习算法，能够识别周围环境，并展示系统如何自主决策，学习如何做出关于实现最优目标的准确决策。因此，提出了一种基于Q-learning的动态环境路径规划算法。该算法能够成功生成包含静态障碍物、动态障碍物和目标点的环境中的多条可行路径。首先，创建了三个不同复杂程度的环境。随后，为生成多条最优路径，在不同环境中多次执行路径规划算法。最后，收集并可视化实验结果以展示信息。实验结果验证了所提算法在解决包含目标点的动态环境路径规划问题中的有效性。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息