基于增強(qiáng)學(xué)習(xí)的多機(jī)協(xié)同路徑規(guī)劃的研究與應(yīng)用.pdf

1、機(jī)器人技術(shù)的發(fā)展使機(jī)器人的能力不斷提高，機(jī)器人應(yīng)用領(lǐng)域和范圍不斷擴(kuò)大。路徑規(guī)劃作為移動(dòng)機(jī)器人技術(shù)的一個(gè)重要組成部分，對(duì)它的研究具有重要的理論意義和工程應(yīng)用意義，而多機(jī)器人協(xié)同工作下的路徑規(guī)劃更是一個(gè)研究熱點(diǎn)。 增強(qiáng)學(xué)習(xí)是近幾十年來迅速發(fā)展起來的一類機(jī)器學(xué)習(xí)方法。增強(qiáng)學(xué)習(xí)不需要有先驗(yàn)知識(shí)，而是通過與環(huán)境的不斷交互獲得知識(shí)，改進(jìn)行為策略，具有自學(xué)習(xí)能力。增強(qiáng)學(xué)習(xí)由于自身的特點(diǎn)，在自主機(jī)器人研究領(lǐng)域中受到了國(guó)內(nèi)外越來越多的重視。本文將

2、致力于基于增強(qiáng)學(xué)習(xí)算法的多移動(dòng)機(jī)器人協(xié)同路徑規(guī)劃的研究。 基于馬爾可夫過程的增強(qiáng)學(xué)習(xí)能夠很好地應(yīng)用于單智能體環(huán)境中，而由于增強(qiáng)學(xué)習(xí)的特點(diǎn)，在多智能體系統(tǒng)中馬爾可夫過程模型不再適用，因此不能把增強(qiáng)學(xué)習(xí)直接用于多智能體的協(xié)作學(xué)習(xí)問題。 為此本文首先提出了基于增強(qiáng)學(xué)習(xí)的分布式控制的多智能體協(xié)作方法。該方法主要通過在每個(gè)智能體中構(gòu)筑兩層增強(qiáng)學(xué)習(xí)單元來實(shí)現(xiàn)，第一層增強(qiáng)學(xué)習(xí)單元負(fù)責(zé)學(xué)習(xí)智能體的聯(lián)合任務(wù)協(xié)作策略，第二層學(xué)習(xí)單元負(fù)責(zé)學(xué)習(xí)