检索结果-南通市图书馆

检索条件"主题词=PER-ERD3QN"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度强化学习的路径规划算法研究

基于深度强化学习的路径规划算法研究

引用

作者：曹景祥烟台大学

学位级别：硕士

随着科技的快速发展和日益普及,人们对路径规划的要求也在提高。为了解决逐渐解决复杂的任务,研究人员提出了基于深度强化学习的路径规划算法。深度Q网络(Deep Q Network,Dqn)算法作为深度强化学习的经典算法被广泛使用在路径规划领域... 详细信息

随着科技的快速发展和日益普及,人们对路径规划的要求也在提高。为了解决逐渐解决复杂的任务,研究人员提出了基于深度强化学习的路径规划算法。深度Q网络(Deep Q Network,Dqn)算法作为深度强化学习的经典算法被广泛使用在路径规划领域。在单物体单目标的路径规划研究中,随着研究人员对环境信息处理方式的改进,使得环境信息越来越简单。而简单的环境信息会使复杂网络结构的网络收敛速度变慢,并且因为奖励函数设置了固定奖励值,无法更好的更新网络,最终导致网络无法快速收敛。此外,在必经点保序路径规划研究领域中,针对传统Dqn算法改进erdqn算法存在着Q值过高估计问题和经验池中高效数据无法被更好利用问题,降低了网络的更新速度。针对以上问题,本文具体研究如下:(1)针对因复杂网络结构和固定奖励值的奖励函数导致网络收敛速度慢的问题,本文提出了一种改进Dqn的路径规划算法。该算法首先将多层感知机嵌入到Dqn算法中,由多层感知机进行网络的迭代更新,加快神经网络的收敛速度;其次,将三次函数引入到奖励函数中,设置了动态奖励函数,当物体执行动作后,根据物体的状态,即物体所处位置返回动作奖励值;最后,本文设置了自适应动作选择机制,这使物体在路径规划后期更多地使用奖励函数选择动作,解决了因随机动作选择概率过高错过较优动作问题。实验结果表明,通过上述的改进,网络能够更快的收敛,提高了路径规划的效率。(2)针对erdqn路径规划算法中的Q值过高估计和经验池中高效数据无法被更好利用导致网络更新速度慢的问题,本文提出了per-erd3qn路径规划算法。首先,将erdqn路径规划算法与双Q网络和竞争网络相结合,解决Q值过高估计问题;其次引入了优先经验回放机制,从而更好的利用经验池中的较优数据。实验结果表明,per-erd3qn路径规划算法拥有更高的平均得分和平均奖励值,因此该算法的网络更新速度更快。

关键词：路径规划 Dqn 多层感知机动态奖励函数 per-erd3qn

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：