文献

J-GLOBAL ID：201902240044652434   整理番号：19A2249315

深さQ学習に基づく移動ロボットの経路計画【JST・京大機械翻訳】

Robot Path Planning Based on Deep Q-Learning

著者 (4件)： Liu Zhirong (南京林業大学机械電子工程学院,江蘇南京210037;南京林業大学智能控制与机器人技術研究所,江蘇南京210037) ,  Jiang Shuhai (南京林業大学机械電子工程学院,江蘇南京210037;南京林業大学智能控制与机器人技術研究所,江蘇南京210037) ,  Yuan Wenwen (南京林業大学机械電子工程学院,江蘇南京210037;南京林業大学智能控制与机器人技術研究所,江蘇南京210037) ,  Shi Chenhui (南京林業大学机械電子工程学院,江蘇南京210037;南京林業大学智能控制与机器人技術研究所,江蘇南京210037)
資料名： Cekong Jishu  (Cekong Jishu)
巻： 38  号： 7  ページ： 24-28  発行年： 2019年 
JST資料番号： C2879A  ISSN： 1000-8829  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のQ-learningアルゴリズムは,複雑な環境における移動ロボットの経路計画問題において,次元の難易度を生み出して,改良方法を提案した。深さ学習をQ-learningフレームワークに融合し,Q値テーブルの代わりにネットワーク出力を用いて,次元災害問題を解決した。記憶再生行列と二重ネットワーク構造の切断データ相関の構築により,アルゴリズムの収束性を改善した。最後に,シミュレーション環境モデリングをグリッド方式によって確立して,シミュレーション実験を種々の複雑性の地図に関して実施して,従来のQ-learningは,大規模状態空間で経路計画を困難にし,深さ強化学習は複雑な状態環境における良い経路計画を実行できることを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機シミュレーション ,  アルゴリズム ,  強化学習 ,  *移動ロボット ,  ネットワーク ,  Q値 ,  ネットワーク構造 ,  *経路探索 ,  シミュレーション
準シソーラス用語： 状態空間 ,  複雑性 ,  グリッドシステム ,  環境モデリング ,  *Q学習 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J) ,  計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (3件)： Q学習 ,  ロボット ,  経路計画