TY -的A2雪Xingsi AU - Li Peng AU -叮,苏州市盟——太阳,Hongfang盟——赵Shiquan盟——Cajo里卡多PY - 2021 DA - 2021/11/12 TI -研究移动机器人的动态路径规划算法基于改进DDPG SP - 5169460六世- 2021 AB -针对低成功率和学习速度慢的问题DDPG算法的移动机器人在动态环境下的路径规划,改进DDPG算法设计。在这篇文章中,RAdam算法是用来取代DDPG的神经网络优化器,结合好奇心算法来提高成功率和收敛速度。改进算法的基础上,优先体验重复添加,和传递学习是提高了培训效果。通过ROS机器人操作系统和露台仿真软件,建立了动态仿真环境,改善DDPG算法和DDPG算法进行了比较。移动机器人的动态路径规划任务,仿真结果表明,改进DDPG算法的收敛速度是增加了21%,成功率是与原DDPG算法相比增加到90%。它有一个良好的效果在移动机器人的动态路径规划与持续的行动空间。SN - 1574 - 017 - 2021/5169460 / 10.1155 x你——https://doi.org/10.1155/2021/5169460——摩根富林明-移动信息系统PB - Hindawi KW - ER