融合人工势场的Q_learning算法移动机器人路径规划

来源：机床与液压杂志2024年第23期北京时间：

作者：张雨晴，高金凤，苏雯，潘海鹏

单位：浙江理工大学信息科学与工程学院；浙江理工大学信息科学与工程学院；浙江理工大学信息科学与工程学院；浙江理工大学信息科学与工程学院

摘要：传统的Q_learning算法在路径规划中存在收敛速度慢和容易陷入局部最优解等问题，为此，提出一种融合人工势场法和Q_learning算法的路径规划算法。通过引入势场值来优化选择状态时的奖励值，在栅格地图中构建虚拟势场，并在初始化 Q 值函数时引入人工势场的引力函数，在更新 Q 值函数时引入斥力函数。最后，通过仿真模拟实验对比了传统算法和改进后算法的性能。实验结果表明：改进后的算法收敛时间减少了21.5%，规划的路径更平滑，验证了该方法的有效性。

关键词：路径规划;人工势场法; Q_learning;奖励值

基金资助：国家自然科学基金青年科学基金项目（62006209）；国家自然科学基金面上项目（62073296）