兵工学报 ›› 2013, Vol. 34 ›› Issue (5): 627-633.doi: 10.3969/j.issn.1000-1093.2013.05.018
焦玉民1,2, 王强1, 徐婷1, 谢庆华2, 王海涛1
JIAO Yu-min1,2, WANG Qiang1, XU Ting1, XIE Qing-hua2, WANG Hai-tao1
摘要:
针对虚拟维修环境中任务执行过程存在的不确定性和随机性问题,提出了一种基于Q 学习算法的作业策略规划模型,该方法将虚拟维修过程转化为选取不同动作参与状态转移的过程。在该过程中,采用试错机制和逆向求解的方法求解动作策略规划问题,并将任务特征匹配机制和顺序约束机制作为启发机制,保证策略学习过程中持续进化可行策略;在进化过程中,将动作因子赋予概率值,并采用遗传算法(GA)进化动作因子的概率分布,避免了策略学习过程中强化早期Q 值较高的动作,为求解虚拟维修的最佳作业流程提供了一种行之有效的解决方法。将该方法应用于轮式挖掘机虚拟维修训练系统中,仿真结果表明,正确的动作在作业策略迭代过程中均能够获得较高的Q 值,验证了方法的可行性和实用性。
中图分类号: