基于深度Q值网络的自动小车控制方法

来源：电子测量技术杂志2017年第11期北京时间：

作者：王立群

单位：南京信息工程大学 电子与信息工程学院 南京 210044

摘要：随着计算机技术和人工智能的飞速发展，无人驾驶车辆成为了一个新的热点。提出了一种自动小车的验证模型来模拟无人车，并验证了深度Q值网络（deep Q network, DQN）算法对自动小车的控制。该算法使用了强化学习和神经网络技术，能够在缺乏先验知识的情况下，根据获取的传感器信息训练神经网络，然后做出正确的决策，实现对车辆的控制，达到躲避障碍物的效果。此外，通过在模拟环境下的实验验证了DQN算法对自动小车的控制效果。实验结果表明，经过一定时间的训练，DQN算法可以有效的控制自动小车。

关键词：自动小车控制;强化学习;神经网络

基金资助：上海市北斗导航与位置服务重点实验室开放基金、江苏省大学生创新训练项目重点项目（201610300033）资助