改进Q-Learning的路径规划算法研究

作     者：宋丽君 周紫瑜 李云龙 侯佳杰 何星 

作者机构：西安建筑科技大学信息与控制工程学院 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2023年

学科分类：08[工学] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

基　　金：中央军委装备发展部装备重大基础研究课题项目(2018921007)资助 国防科技重点实验室基金项目 速率积分半球谐振陀螺平板电极制造误差对陀螺核心参数影响研究项目(2021-JCJQ-LB-070-08)资助 

主　　题：移动机器人 路径规划 Q-Learning算法 平滑处理 动态避障 

摘      要：针对Q-Learning算法学习效率低、收敛速度慢且在动态障碍物的环境下路径规划效果不佳的问题，本文提出一种改进Q-Learning的移动机器人路径规划算法。针对该问题，算法根据概率的突变性引入探索因子ε来平衡探索和利用以加快学习效率;通过在更新函数中设计深度学习因子以保证算法探索概率;融合遗传算法，避免陷入局部路径最优同时按阶段探索最优迭代步长次数，以减少动态地图探索重复率;最后提取输出的最优路径关键节点采用贝塞尔曲线进行平滑处理，进一步保证路径平滑度和可行性。实验通过栅格法构建地图，对比实验结果表明，改进后的算法效率相较于传统算法在迭代次数和路径上均有较大优化，且能够较好的实现动态地图下的路径规划，进一步验证所提方法的有效性和实用性。