| 改进的DDPG算法在机器人路径规划中的应用 |
| |
| 引用本文： | 张宁,葛斌.改进的DDPG算法在机器人路径规划中的应用[J].佳木斯大学学报,2021,39(5):119-122. |
| |
| 作者姓名： | 张宁 葛斌 |
| |
| 作者单位： | 安徽理工大学计算机科学与工程学院,安徽 淮南 232001 |
| |
| 摘 要： | 深度强化学习(DRL)在连续控制问题中具有优异的性能,被广泛用于路径规划等领域.为了实现移动机器人在未知环境中的智能路径规划,提出了一个路径规划的模型,基于深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)的自主路径规划模型.针对DDPG算法前期对环境没有先验知识,收敛速度慢和移动时会出现局部最优情况,提出了一种改进的DDPG算法.通过在DDPG算法中添加人工势场的引力场和斥力场,以加快收敛速度和移动机器人到达目标点的时间.对奖赏函数进行改进,增加直走奖励,以提高规划路径的稳定性.
|
| 关 键 词： | 深度强化学习 路径规划 人工势场 移动机器人 DDPG算法 |
Path Planning of Robot Via Improved DDPG Algorithm |
| |
| ZHANG Ning,GE Bin.Path Planning of Robot Via Improved DDPG Algorithm[J].Journal of Jiamusi University(Natural Science Edition),2021,39(5):119-122. |
| |
| Authors: | ZHANG Ning GE Bin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
