摘要：研究复杂环境下基于Q—Learning（QL）算法的移动机器人局部路径规划问题，快速、准确地完成避障路径规划。为了解决QL算法收敛速度慢、探索与利用两难及危险区域等问题，提出了一种基于QL-模糊的移动机器人局部避障路径规划方法。首先为了加快QL算法的收敛速度，根据规划问题设计状态动作变量，对其进行离散化处理，降低状态空间维度；在Q矩阵的基础上，设计更新步长算法，使Q矩阵的更新程度不断减弱。然后根据机器人工作环境和规划目标，在设计奖惩函数的基础上，设计e-探索与利用平衡策略和动作选择算法来选择执行动作，平衡探索与利用问题。为了预防死锁问题。在模糊控制规则中还设计了预防方案，以提高路径规划效率。算法进行了仿真验证。仿真结果表明，即使在复杂的环境中，机器人仍能有效避障，规划出最优或次优路径。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社