进化强化学习及其在机器人路径跟踪中的应用

被引：6

作者：

段勇 ^{[1
]}

崔宝侠 ^{[1
]}

徐心和 ^{[2
]}

机构：

[1] 沈阳工业大学信息科学与工程学院

[2] 东北大学信息科学与工程学院

来源：

控制与决策 | 2009年 / 24卷 / 04期

关键词：

强化学习; 自适应启发评价; 遗传算法; 路径跟踪;

D O I：

10.13195/j.cd.2009.04.54.duany.013

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

研究了一种基于自适应启发评价(AHC)强化学习的移动机器人路径跟踪控制方法.AHC的评价单元(ACE)采用多层前向神经网络来实现,将TD(λ)算法和梯度下降法相结合来更新神经网络的权值.AHC的动作选择单元(ASE)由遗传算法优化的模糊推理系统(FIS)构成.ACE网络的输出构成二次强化信号,用于指导ASE的学习.最后将所提出的算法应用于移动机器人的行为学习,较好地解决了机器人的复杂路径跟踪问题.

引用

收藏

页码：532 / 536+541 +541

页数：6

相关论文

共 3 条

[1] 全方位移动机器人鲁棒控制 [J].

许巍丽 ;

孙茂相 .

沈阳工业大学学报, 2007, (03) :312-316+343

[2] 动态环境下自主移动机器人的导航复杂性 [J].

石鸿雁 ;

孙昌志 ;

陈冬阳 ;

安跃军 .

沈阳工业大学学报, 2006, (05) :534-537+552

[3] A smooth path tracking algorithm for wheeled mobile robots with dynamic constraints [J].

Koh, KC ;

Cho, HS .

JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS, 1999, 24 (04) :367-385