作者：郜园园 朱凡 宋洪军移动机器人自适应启发评价操作条件反射遗传算法避障
摘要：针对移动机器人避障上存在的自适应能力较差的问题,结合遗传算法（GA）的进化思想,以自适应启发评价（AHC）学习和操作条件反射（OC）理论为基础,提出了一种基于进化操作行为学习模型（EOBLM）的移动机器人学习避障行为的方法。该方法是一种改进的AHC学习模式,评价单元采用多层前向神经网络来实现,利用TD算法和梯度下降法进行权值更新,这一阶段学习用来生成取向性信息,作为内在动机决定进化的方向;动作选择单元主要用来优化操作行为以实现状态到动作的最佳映射。优化过程分两个阶段来完成,第一阶段通过操作条件反射学习算法得到的信息熵作为个体适应度,执行GA学习算法搜索最优个体;第二阶段由OC学习算法选择最优个体内的最优操作行为,并得到新的信息熵值。通过移动机器人避障仿真实验,结果表明所设计的EOBLM能使机器人通过不断与外界未知环境进行交互主动学会避障的能力,与传统的AHC方法相比其自学习自适应的能力得到加强。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
