基于深度强化学习的无人车充电路径规划方法.pdf
论文****轩吖
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于深度强化学习的无人车充电路径规划方法.pdf
本发明设计了一种利用深度强化学习模型GraphAttentionbasedPointerNetwork(GAPN)为无线传感器网络中的无人车向传感器节点进行充电的路径规划方法。流程包括如下步骤:(1)收集无线传感网络中每个节点<base:Imagehe=@17@wi=@15@file=@DEST_PATH_IMAGE002.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>的位置坐标信息<base:Ima
一种基于深度强化学习和A星算法的无人车路径规划方法.pdf
本发明公开了基于深度强化学习和A星算法的无人车路径规划方法,属于无人驾驶汽车技术。驾驶无人车在越野环境中采集3D点云数据,记录无人车行驶路径;从采集的点云数据中生成多张栅格障碍图,从无人车行驶过的路径中生成当前栅格图中的目标点;利用栅格障碍图以及一张表示无人车的矩形构建仿真环境;利用A星算法从每张障碍图中生成引导路径;根据引导路径的长度和光滑度为不同障碍图设定不同的难度;并利用引导路径设计奖励函数;利用近端策略优化算法和奖励函数,使用深度神经网络和数据增强、课程学习在仿真环境中训练无人车智能体;利用无人车
基于深度强化学习的水面无人艇路径跟踪方法.pdf
本发明具体涉及基于深度强化学习的水面无人艇路径跟踪方法,包括:将目标无人艇的路径跟踪问题转换为马尔可夫决策过程,设置对应的状态空间、动作空间和奖励函数;获取目标无人艇的规划路径;根据目标无人艇的规划路径结合实时位姿信息计算参考航向角;然后基于目标无人艇的参考航向角、实时位姿信息和环境干扰信息生成目标无人艇当前的状态值;将目标无人艇当前的状态值输入经过训练的策略模型中,输出最优的动作值;策略模型基于柔性演员评论家算法构建;将最优动作值发送给目标无人艇执行;直至完成规划路径的跟踪控制。本发明无需进行环境和无人
基于分层强化学习的无人机路径规划方法.pdf
本发明公开了基于分层强化学习的无人机路径规划方法,包括:步骤1:初始化深度Q网络算法、Q学习算法;步骤2:驱动无人机从起始点移动至目标点,对深度Q网络算法、Q学习算法进行训练;移动过程中当无人机未检测到动态障碍物时,则使用深度Q网络算法对路径进行规划;移动过程中当无人机检测到动态障碍物时,则使用Q学习算法对路径进行规划;步骤3:重复步骤2直至深度Q网络算法、Q学习算法训练完成,设置无人机实际坐标、起点坐标、目标点坐标,通过训练完成的深度Q网络算法、Q学习算法对路径进行规划。本发明克服单个算法应用于动态环境
基于深度强化学习的双目标路径规划方法.pdf
本发明涉及路径规划技术领域,具体涉及基于深度强化学习的双目标路径规划方法,包括以下步骤:S1、对道路网络进行状态表示,并构建奖励函数r,得到待训练的双目标深度强化学习路径规划模型;所述状态包括坐标状态、距离状态和cu状态;S2、对待训练的双目标路径规划模型进行训练,使其学习到能够获得最大累积奖励的最优策略π