基于改进Q-learning的移动机器人路径规划应用研究

本文针对移动机器人系统中的避障路径规划问题,采用强化学习中的Q-learning算法予以解决。原始Q-learning算法存在学习效率低的问题,继而提出一个改进的算法,在原有的基础上增加一层学习过程,尽快使移动机器人发现障碍物和目标位置,加快了路径规划的效率。最后,通过栅格法建立环境进行路径规划,将原始算法与改进算法进行对比,证明了算法学习效率的提高。