10.3969/j.issn.1003-0107.2022.12.001
结合人工势场的Q-learning无人驾驶汽车路径规划算法
基于强化学习算法规划路径常用栅格法来描述环境,但存在路径过于贴近障碍物、非最短路径等与实际应用场景不符的情况.针对此问题,提出了一种结合人工势场知识的Q-learning无人驾驶汽车路径规划算法,引入障碍物的斥力场值来优化选择状态时的奖励值,同时增加无人驾驶汽车的斜向运动.仿真实验表明,与现有的算法相比,在消耗时间有所增加的情况下,结合人工势场的Q-learning无人驾驶汽车路径规划算法能够找到一条更符合实际情境的更优路径.
强化学习、无人驾驶汽车、路径规划、人工势场、Q学习算法
TP391.99(计算技术、计算机技术)
国家自然科学基金;国家级大学生创新创业训练计划项目;芜湖市重点研发项目
2023-03-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5