基于改进DQN的移动机器人避障路径规划

摘要： 针对一般强化学习方法下机器人在避障路径规划上学习时间长、探索能力差和奖励稀疏等问题，提出了一种基于改进深度Q网络（DQN）的移动机器人避障路径规划。首先在传统DQN算法基础上设计了障碍学习规则，避免对同一障碍重复学习，提升学习效率和成功率。其次提出奖励优化方法，利用状态间的访问次数差异给予奖励，平衡状态点的访问次数，避免过度访问；同时通过计算与目标点的欧氏距离，使其偏向于选择接... （共11页）