針對強化學習在連續狀態連續動作空間中的維度災難問題，利用BP神經網絡算法作為值函數逼近策略，設計了自動駕駛儀。并引入動作池機制，有效避免飛行仿真中危險動作的發生。首先，建立了TD強化學習算法框架；然后根據經驗將舵機動作合理分割為若干組，在不同的飛行狀態時，調取不同組中的動作；其次，構建了BP神經網絡，通過飛行過程中的立即獎賞，更新網絡的值函數映射；最后，通過數字仿真驗證了強化學習自動駕駛儀的性能，仿真結果表明，該算法具有良好的動態和穩態性能。
標簽：
化學
飛行
自動駕駛儀
上傳時間：
2013-11-09
上傳用戶：劉江林1420
