|
|||||
|
|
| 基于改进DDPG算法的机器人路径规划算法研究 | |
| 作者姓名： | 周盛世 单梁 常路 陈佳 刘成林 李军 |
| 作者单位： | 南京理工大学 自动化学院,江苏 南京210094;江南大学 轻工过程先进控制教育部重点实验室,江苏 无锡214122 |
| 基金项目： | 国家自然科学基金;中央高校基本科研业务费专项;江苏省自然科学基金 |
| 摘 要： | 为解决深度强化学习训练时间长、收敛慢的问题,该文针对未知环境下的机器人路径规划,基于深度确定性策略梯度(DDPG)算法,结合人工势场法设计了回报函数.为了符合机器人运动学模型,设计连续的状态和动作空间.采用Python语言,在不同地图下分别使用人工势场法、原始DDP G和该文改进的DDP G算法进行仿真对比实验.改进的... |
| 关 键 词： | 深度确定性策略梯度 机器人 路径规划 未知环境 深度强化学习 人工势场法 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |