面向多机器人路径规划的一种基于模糊模型的再励函数结构

摘要

再励学习,作为一种新兴的智能学习模式,由于学习机制简单,不需要任何先验知识,也不需要样本数据,被越来越多地用于未知环境模型系统的学习.而目前再励学习存在的问题之一是学习速度不高,难以保证系统的实时性.在已有的再励学习系统中,再励函数多采用无模型表示结构,这种结构过于简单粗糙,也是再励学习学习效率低下的主要原因之一.因此,本文结合多机器人协调避障路径规划问题,提出一种新的基于模糊模型的再励函数结构,这种结构将反映机器人基本行为如躲避障碍物、其它机器人和趋向目标等的再励函数子函数进行分层建模,并取模糊加权和来表示总的再励函数.仿真试验表明,使用基于模糊模型的再励函数结构使再励学习的收敛速度要高于无模型结构.