%0 Journal Article
%T 进化强化学习及其在机器人路径跟踪中的应用
%A 段勇
%A 崔宝侠
%A 徐心和
%J 控制与决策
%P 532-536
%D 2009
%X 研究了一种基于自适应启发评价(AHC)强化学习的移动机器人路径跟踪控制方法.AHC的评价单元(ACE)采用多层前向神经网络来实现,将TD(λ)算法和梯度下降法相结合来更新神经网络的权值.AHC的动作选择单元(ASE)由遗传算法优化的模糊推理系统(FIS)构成.ACE网络的输出构成二次强化信号,用于指导ASE的学习.最后将所提出的算法应用于移动机器人的行为学习,较好地解决了机器人的复杂路径跟踪问题.
%K 强化学习
%K 自适应启发评价
%K 遗传算法
%K 路径跟踪')"
%K href="#">强化学习
%K 自适应启发评价
%K 遗传算法
%K 路径跟踪
%U http://www.kzyjc.net:8080/CN/abstract/abstract9444.shtml