摘要：Q-learning是一種經(jīng)典的增強學(xué)習(xí)算法,簡單易用且不需要環(huán)境模型;廣泛應(yīng)用于移動機(jī)器人路徑規(guī)劃。但在狀態(tài)空間和動作空間較大時,經(jīng)典的Q-learning算法存在學(xué)習(xí)效率低、收斂速度慢,容易陷入局部最優(yōu)解等問題。通過引入神經(jīng)網(wǎng)絡(luò)模型,利用地圖信息計算狀態(tài)勢值,從而優(yōu)化了設(shè)計獎勵函數(shù)。合理獎勵函數(shù)為Q(λ)-learning算法提供了先驗知識,避免訓(xùn)練中的盲目搜索,同時獎勵函數(shù)激勵避免了陷入局部最優(yōu)解。仿真試驗表明,改進(jìn)的路徑規(guī)劃方法在收斂速度方面有很大的提升,訓(xùn)練得到的路徑為全局最優(yōu)。