针对多障碍复杂环境下移动机器人路径规划问题，提出了一种基于萤火虫算法的Q-learning算法。在求解算法中，为提高算法的收敛速度，使用萤火虫算法初始化Q-learning框架下Q值；为平衡算法搜索的随机性和目的性，结合贪婪搜索与玻尔兹曼搜索，设计了混合选择策略，使得算法可以动态选择搜索策略，并通过仿真实验验证所提算法的有效性。仿真实验结果表明所提算法在计算时间和路径平滑度等指标上优于Q-learning算法和Sarsa算法。
科研之友
微信
新浪微博
Facebook
分享链接
