基于优化Q-learning算法的机器人路径规划

作者：钱信; 吕成伊; 宋世杰

来源：南昌大学学报(工科版), 2022, 44(04): 396-401.

DOI：10.13764/j.cnki.ncdg.2022.04.011

• Q-learning算法
• 路径规划
• 移动机器人
• 多步长

针对传统Q-learning算法在路径规划中存在收敛速度慢、难以平衡探索与利用的关系等问题，采用改进后的势场对Q-learning算法的Q表初值进行优化，引入多步长策略减少算法的迭代次数和路径中的拐点个数，加入动态调节贪婪因子平衡探索与利用的关系。仿真结果证明，与Q-learnig算法相比，改进后的IMD-Q-learnig算法可将最优路径长度缩短79.09%,拐点个数减少46.67%,算法效率提升88.40%。

• 单位
  中国电子科技集团公司第三十六研究所; 南昌大学信息工程学院