摘要：为解决行为动力学与滚动窗口法的全局路径不是最优的问题,提出在线的基于强化学习的行为动力学与滚动窗口路径规划方法.应用Q学习优化行为动力学模型参数以提高其性能;行为动力学引导Q学习的搜索过程,提高学习效率;每一轮强化学习的动作选择知识随着Q表更新的同时逐渐修正,对后面的学习过程进行优化.仿真实验表明,该方法使得Q学习效率有明显提高,且机器人在线规划出优化平滑的路径.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社