科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对Q-learning算法在移动机器人局部路径规划中存在的学习速度慢、效率低等问题，提出一种改进的IQ-learning算法。首先设计了栅格地图，建立机器人八连通的运行环境。其次基于栅格地图设计了状态、动作、Q值表、奖惩函数和动作选择策略；在Q-learning算法的基础上，IQ-learning在奖惩函数中增加了对角线运动奖励值，鼓励机器人向八个方向探索路径，将平移运动和对角线运动相结合，减少规划路径长度和在初始阶段的盲目搜索，加快算法的收敛速度。最后利用设计的IQ-learning算法学习策略，分别在离散型、一字型、U型和混合型等障碍物环境下，学习移动机器人的局部路径规划任务，并与Q-learning的规划结果相比较，得出IQ-learning算法能够在更少的学习次数中以较少的步数找到最短路径，规划效率有所提高。
- 单位
