【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第12期 351-355页,共6页

【作 者】： 童亮 ; 王准

【摘 要】 研究强化学习在机器人路径规划问题，作为基于行为的移动机器人路径规划，应具有实时、高效、快速的优点，但面对连续环境变量，如机器人通过传感器检测到的与障碍物的距离，存在状态表达和泛化问题，不恰当的状态泛化会影响系统的学习效率和收敛性。为了提高机器人对外界快速响应能力，在分析强化学习基本原理和连续状态泛化方法的基础上，提出利用Kohonen网络对机器人连续外部环境进行聚类的内部状态表示方法，给出了Kohonen网络的Q—Learning强化学习算法。根据机器人工作环境和路径规划目标，设计了机器人路径规划中的奖惩策略和动作选择规则，并通过仿真与传统的状态离散方法进行了比较。结果显示，提出的方法不仅降低了计算机的存储需求，而且加快了系统学习的收敛速度，表明了改进方法的有效性。