计算机应用研究

作者：孟晨阳,郝崇清,李冉,王晓博,王昭雷,赵江,

单位：1.河北科技大学电气工程学院,石家庄050018；2.河北工业职业技术大学智能制造系,石家庄050091；3.河北省电力有限公司,石家庄050051；

关键词：深度学习,自动化导引车路径规划,深度确定性策略梯度算法,小批量优先采样,

基金：国家自然科学基金资助项目(51507048)；河北省重点研发计划项目(20326628D)；河北省高等学校科学技术研究项目(ZD2016142)；；

为了提高AGV（automatic guided vehicle）在复杂未知环境下的搜索能力，提出了一种改进的深度确定性策略梯度（deep deterministic policy gradient，DDPG）算法。该算法通过构建经验回放矩阵和双层网络结构提高算法的收敛速度，并将波尔兹曼引入到ε-greedy搜索策略中，解决了AGV在选择最优动作时的局部最优问题；针对深度神经网络训练速度缓慢的问题，将优先级采样应用于深度确定性策略梯度算法中；为解决普通优先级采样复杂度过高的问题，提出了利用小批量优先采样方法训练网络。为了验证方法的有效性，通过栅格法建模并在不同的复杂环境下进行仿真实验对比，比较了不同算法的损失函数、迭代次数和回报值。实验结果表明，所提改进算法与原算法相比损失函数减小、迭代次数减少、回报值增加，验证了算法的有效性，同时为AGV在复杂环境下能够更加安全且快速地完成规划任务提供了新的思路。

来源：2022年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第3期