基于时延Q学习的机器人动态规划方法_第1页
基于时延Q学习的机器人动态规划方法_第2页
基于时延Q学习的机器人动态规划方法_第3页
基于时延Q学习的机器人动态规划方法_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、 庄夏 条从初始状态 Initial_Position 到目标状态 Goal 的路径如图 2 所示。 为了验证文中算法的优越性，将文中方法与经典的 Q-Learning 算法以及文献11中基于蛙跳算法的 方法进行比较，得到的三种方法的收敛情况如图 3 所示。 从图 3 中可以看出，文中方法不仅具有较快的收敛速度，同时具有最好的收敛解，这表现在文中方 法在第 50 个情节处就开始收敛，收敛的解为 13。文献11所示的蛙跳算法从算法运行开始，收敛速度一 直较另外两种方法更慢，在情节数为 90 时趋于收敛，但收敛的解为局部最优解 22 步。文献11采用基于 Q 学习的方法进行最优策略获取，其算法在运

2、行过程中收敛速度较文中方法更慢，但其在情节为 70 时收 敛，收敛的时间步为 23，仍然为局部最优解。显然，文中方法具有最快的收敛速度和最好的收敛解。文 中方法没有陷入局部最优解是因为在算法中采用了 RMAX 方法来增加探索能力， 使得初始状态处所有状 态动作处都具有较大的 Q 值，从而使得那些没有访问过的状态动作对能有较大的概率被访问到。文中收 敛速度快是因为状态动作对的更新需要根据状态动作对访问的次数来确定，从而使得状态动作更新的效 率更高，最终加快了算法的收敛速度。 Initial_Position Goal Figure 2. The robot plans the optimal path 图 2. 机器人规划最优路径 110 100 90 80 70 文献 11方 法 文献 12方 法 文中方法 时间步 60 50 40 30 20 10 0 10 20 30 40 50 情节数 60 70 80 90 100 Figure 3. Three methods convergent per

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论