基于改进Q-learning算法的AGV路径规划
为了解决智能仓储系统中自动导引车（Automated Guided Vehicle，AGV）的全局路径规划问题，提出了一种基于改进Q⁃learning算法的AGV全局路径优化算法。针对运用传统Q⁃learning算法只适用于离散状态模型或者较为简单的连续状态模型的情况，将人工神经网络引入Q⁃learning算法。通过仿真实验进行对比，仿真结果表明，新算法可以使AGV通过自主学习自行寻找出一条无碰撞最优路径，证明了改进后的Q⁃learning算法的可行性。
文件下载
评论信息
其他资源
- SpringBoot集成MQTT之消息订阅处理程序
- 基于51单片机的井字棋游戏
- 全锐打版设计系统集打版放码设计排版
- Online Maps v3.7.unitypackage
- AUTODYN安世亚太培训教程
- ubuntu+freeradius搭建EAP-TLS双向认证测试环境.docx
- C#绘制折线图实时展示数据
- 原创有源电力滤波器simulink仿真模型分享-APF_9_7.mdl
- unity3D素材----UI界面包.zip
- 10个scratch小游戏1.zip
- 蝙蝠算法优化源代码
- 深度学习目标检测提取xml文件中的目标坐标
- 四川大学历年考研C语言试题及答案
- C++游戏编程入门(第4版)
- snort源代码
- 华为FusionStorage 8.0对象存储技术白皮书.pdf
- Java学习+面试指南.zip
- 大学生《数据库》必刷10套试卷（含答案）.pdf
- 音频放大器——模电实验.ms14
- nacos-windows.7z
- pluginRT-master.zip
- ALTIUM_DESIGNER实用宝典：原理图与PCB设计.pdf
- mpc5748g_uart_demo.zip
- openssl-0.9.8e
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明