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
- C# HTTP/Https 请求demo
- fast角点检测c++
- 《MATLAB 遗传算法工具箱及应用·第二版》非扫描word转pdf完整版（极致清晰）
- (超级高清版）经典Verilog示例（100多个经典代码案例）.pdf
- STM32读12位绝对式编码器
- 基于51单片机的交通灯设计
- KB2990941和KB3087873
- 惩罚函数法的matlab实现方法
- FlinkMeetUp.rar
- 微机电系统基础 Foundation of MEMS
- 模仿天龙八部 launcher 登陆器
- STM32开发TCP客户端基础例程
- 用MATLAB编写的混沌序列图像加密程序
- WPF中InkCanvas画图
- anagrams_and_antigrams-源码
- Jenkins软件开发持续集成及自动构建
- 2018款比亚迪秦Pro EV汽车维修手册带电路图.pdf
- 键控看门狗的仿真电路.DSN
- NX8.5正式版32破解文件(附许可证、虚拟插件).zip
- Excel在统计中的应用与数据统计分析.pdf
- JDK_API6.0.CHM中文版
- 北大青鸟影院
- Volley网络请求封装
- C++ MFC 餐饮管理系统
- 环信集成demo
- js实现的一个星级评价
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