来源：期刊VIP网 时间：
作者：邵浩然;陈建松;
单位：东南大学机械工程学院;
摘要：为解决移动机器人在自主避障时存在的搜索效率低、缺乏动态避障能力等问题，提出一种融合强化学习（Reinforcement learning,RL）和爬行动物搜索算法（Reptile search algorithm,RSA）的避障方法。引入强化学习中的Q学习模型，以平衡RSA算法的勘探与开发过程，从而提升算法搜索效率；引入混沌机制和随机对立学习策略，以增加种群的多样性，从而跳出局部极值。分别在静态与动态场景进行仿真，结果表明RL-RSA算法在路径长度、寻优耗时、运行时长等方面均优于对比算法。通过实际场景实验，验证了RL-RSA算法可行性及优良的综合避障性能。
关键词：强化学习;;爬行动物搜索算法;;移动机器人;;避障
基金资助：教育部高等教育司产学合作协同育人项目(202101204004)
