基于強化學習的機器人底盤能量管理與路徑規(guī)劃優(yōu)化算法

摘要： 為解決溫室機器人底盤傳統(tǒng)路徑規(guī)劃中因忽略地面粗糙度而導致的電池壽命縮短與利用效率低下的問題，該研究探討了3種融合電池能量管理與路徑規(guī)劃的強化學習算法。首先，基于先驗知識構建分級預打分獎勵模型，并通過增加曼哈頓距離構建獎勵函數(shù)，提高電池壽命和利用率；其次，針對傳統(tǒng)Q-Learning(QL)算法收斂效率低、易陷入局部最優(yōu)等問題，提出了自適應變步長的優(yōu)化算法（adaptive mu... （共9頁）