激勵勢場算法收斂性研究.pdf

1、機器人學的研究進入了一個嶄新的發(fā)展階段，近年來，隨著應用要求不斷增強，機器人技術(shù)得到了持續(xù)發(fā)展。這樣延伸出了許多新的技術(shù)研究領(lǐng)域，也帶動了這些領(lǐng)域的技術(shù)水平的提高。其中，路徑規(guī)劃技術(shù)越來越多的受到研究者的關(guān)注，涌現(xiàn)出了一系列的新型路徑規(guī)劃方法。為了保障這些方法的嚴密性，各種規(guī)劃方法收斂性方面的證明越來越受到研究者們的重視。 本文旨在對激勵勢場模型中的虛擬水流算法的收斂性進行研究。該模型是結(jié)合激勵學習與人工勢場法并應用虛擬水流算法

2、提出來的。仿真實驗表明：該算法能夠克服勢場法中的局部最小點問題，表明了該方法的正確性和有效性。本文對該算法的收斂性進行了數(shù)學上的證明。 本文首先對課題研究的背景和現(xiàn)實意義進行了簡要介紹，對算法特別是機器人導航方面的算法與收斂性方面的有關(guān)要點進行了闡述。并對國內(nèi)外機器學習有關(guān)收斂性問題的研究進行了綜述性介紹。 其次對人工勢場法及激勵學習理論進行了說明。然后重點研究了如何將激勵學習模型轉(zhuǎn)換成人工勢場模型，即利用激勵學習和人工