张嵛 作品数:5 被引量:60 H指数:3 供职机构: 东北师范大学计算机学院 更多>> 发文基金: 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
基于RBFNN的强化学习在机器人导航中的应用 被引量:11 2009年 在复杂连续环境下,强化学习系统的状态空间面临维数灾难问题,需要采取量化的方法,降低输入空间的复杂度。径向基神经网络(RBFNN:Radial Basis Function Neural Networks)具有较强的函数逼近能力及泛化能力,由此提出了基于径向基神经网络的Q学习方法,并将其应用于单机器人的自主导航。在基于径向基神经网络的强化学习系统中,用径向基神经网络逼近状态空间和Q函数,使学习系统具有良好的泛化能力。仿真结果表明,该导航方法具有较强的避碰能力,提高了机器人对环境的适应能力。 吴洪岩 刘淑华 张嵛关键词:Q学习 RBF神经网络 基于粒子群蚁群算法的多机器人任务分配方法 被引量:2 2009年 针对大规模多移动机器人松散耦合型任务分配问题,探讨了机器人联盟形成问题中的关键,并且提出一种基于粒子群蚁群算法的任务分配机制.结果表明,粒子群蚁群算法得到的分配解要明显优于基本蚁群算法,并且不易出现早熟现象. 刘淑华 张嵛 付帅 吴洪岩关键词:蚁群算法 基于群体智能的多机器人任务分配 被引量:13 2010年 针对具有松散和紧密耦合型任务的大规模多机器人系统,研究了基于群体智能的任务分配方法。系统采用层次结构,高层用蚁群算法实现松散耦合型任务分配的寻优,提出逆转分配思想让蚂蚁代表任务,为每个任务选择任务的承担者。底层分别提出了基于蚁群、粒子群蚁群和量子蚁群实现机器人联盟的形成——产生紧耦合型任务解,并进行仿真。仿真结果表明,基本蚁群算法得到的解质量最差;粒子群蚁群算法得到的分配解最好,但是运算时间最长;量子蚁群算法得到的解稍次于粒子群蚁群算法,但分配时间比另两种算法减少了一半。因此,在大规模的多机器人任务分配中,量子蚁群算法具有更强的适用性。 刘淑华 张嵛 吴洪岩 刘杰关键词:自动控制技术 蚁群优化 多机器人任务分配的研究与进展 被引量:35 2008年 从多机器人任务分配的类型、任务分配方法、任务的死锁与解除以及各种任务分配算法的对比等4个方面,对多机器人任务分配的最新研究进展进行了概述.分析了多机器人任务分配的发展趋势,指出动态环境和未知环境下大规模异构机器人任务分配问题的研究是必然趋势,在众多研究方法中,群体智能方法是解决该类问题的未来研究方向. 张嵛 刘淑华关键词:多机器人 群体智能 基于蚁群算法的大规模机器人任务分配方法的研究 多机器人任务分配问题MRTA(Multi—Robot Task Allocation)是多机器人系统研究的一个基础问题,体现了系统高层组织形式与运行机制,是多机器人系统实现目标的基础。随着系统中机器人数目和任务难度的增加... 张嵛关键词:蚁群算法 文献传递